用std::unordered_set高效构建白名单字符集，支持O(1)查找；ASCII场景用char足够，Unicode需string_view；小规模可用位图但不推荐；原地清洗宜用读写双指针而非erase-remove。
白名单字符集如何用 std::unordered_set 高效构建
直接用 std::unordered_set<char></char> 存白名单字符，比每次遍历字符串查表快得多。构造时传入初始列表即可，避免后续重复计算。
注意：如果白名单含 Unicode（如 UTF-8 多字节），char 不够——此时必须按字节序列处理或改用 std::string_view + 手动解析，但绝大多数场景（ASCII 控制符、字母数字、下划线、点、连字符等）用 char 完全够用。
示例：
std::unordered_set<char> allow{'a','b','c','0','1','2','_','.'};
- 别用
std::set<char></char>—— 插入和查找都是 O(log n)，而unordered_set平均 O(1) - 初始化列表长度 ≤ 128 时，现代编译器会做优化；超过建议显式 reserve：
allow.reserve(256) - 若白名单固定且极小（≤ 32 字符），可考虑位图（
std::uint32_t mask[8]），但可读性差，调试困难，不推荐除非 hot path 真实压测证明瓶颈在此
原地清洗用双指针，别新建字符串
原地清洗核心是「读写双指针」：一个扫源串（read），一个标定有效结尾（write）。每遇到合法字符，拷贝到 write 位置并 ++；非法字符跳过。最后用 str.resize(write) 截断。
立即学习“C++免费学习笔记（深入）”；
这比 erase(remove_if(...)) 更可控——后者底层仍可能触发多次内存移动，且无法复用同一 buffer 做逻辑检查。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
示例片段：
size_t write = 0;
for (size_t read = 0; read < str.size(); ++read) {
if (allow.count(str[read])) {
str[write++] = str[read];
}
}
str.resize(write);
- 务必先检查
str.empty()再进循环，避免空串下str[0]越界（虽然std::string的operator[]对空串返回 '\0'，但行为依赖实现，不安全） - 不要用
str.at(i)—— 它带边界检查开销，且抛异常，清洗场景不需要 - 如果需保留原始长度做审计（比如记录删了多少非法字符），把计数逻辑放在 if 外，别干扰 write 指针逻辑
非法字符检查要提前 abort，别等清洗完再验
清洗和检查是两个正交需求：清洗是“让字符串变干净”，检查是“确认它是否本就合规”。很多业务要求「发现非法字符立即报错」，而非默默过滤后返回结果。
所以最好拆成两个函数：一个纯检查（bool contains_only(const std::string& s, const std::unordered_set<char>& allow)</char>），一个清洗（void sanitize_inplace(...)）。前者遇到第一个非法字符就 return false，不遍历完。
- 检查函数里用
std::find_if_not+ lambda 更简洁，但要注意 lambda 捕获allow时用 const 引用，否则可能意外复制 - 如果检查失败需定位非法字符位置，返回
size_t（如首个非法索引）比 bool 更实用 - 别在清洗函数里顺手做检查——逻辑耦合，违反单一职责，也影响内联和编译器优化
性能陷阱：频繁调用时白名单别重复构造
如果清洗逻辑在 tight loop 里被高频调用（比如网络包逐字段解析），每次构造 std::unordered_set 是重大开销。白名单不变时，应作为静态局部变量或类成员缓存。
静态局部变量最轻量：
void sanitize_user_input(std::string& s) {
static const std::unordered_set<char> allow = {'a','z','A','Z','0','9','_','-','.'};
// ... 双指针逻辑
}
- 首次调用才初始化，线程安全（C++11 起 guaranteed）
- 别用
static std::unordered_set<char> allow;</char>+ 单独初始化函数——多线程下 init 顺序难控 - 如果白名单随配置动态变化（如不同 API 接口不同规则），那就得用
const std::unordered_set<char>&</char>参数传入，别试图内部缓存
真正容易被忽略的是：白名单字符集一旦包含空格、制表符、换行符等不可见字符，调试时肉眼难识别——建议单元测试里用十六进制打印非法字符值，而不是只打 std::cout 。
