“字符串减法”指按语义单位（如行或句号分隔的子句）删除重复项、仅保留首次出现者；需先明确定界规则，再用std::getline配合std::unordered_set逐段去重并注意trim和空行处理。
什么是“字符串减法”：先明确问题边界
“字符串减法”不是 C++ 标准库里的概念，用户实际想表达的是：给定一个长字符串（比如由多个子句拼接而成，用句号、换行或特定分隔符隔开），删除其中所有重复出现的子句，只保留第一次出现的那份。注意，这不是字符级去重（如 std::unique），而是**按语义单位（子句）做去重**。
关键判断点：子句如何界定？常见场景是按行（
）、按句号+空格（". "）、或自定义分隔符。不明确分隔规则，直接写“删重复子句”必然出错。
用 std::getline + std::unordered_set 拆分并去重
这是最常用也最可控的做法：把输入按行切分，逐行检查是否已见过，没见过的才保留。适合以换行为单位的子句（如日志、配置块、多行文本）。
- 用
std::istringstream或std::ifstream配合std::getline逐行读取 - 用
std::unordered_set<std::string>记录已出现的子句（注意：默认区分大小写和首尾空格） - 每读一行，先
trim（手动实现或用std::regex_replace去首尾空白）再查表；未命中则插入集合并追加到结果 - 错误现象：
std::getline读到空行时返回空字符串，若不跳过会导致“空子句”被当作有效项重复拦截
示例片段：
C++ Code Review Master
下载
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。
立即学习“C++免费学习笔记（深入）”；
std::string input = "Hello.
World.
Hello.
C++.
";
std::istringstream iss(input);
std::string line;
std::unordered_set<std::string> seen;
std::vector<std::string> unique_lines;
while (std::getline(iss, line)) {
// 简单 trim（实际项目建议用更健壮的 trim 函数）
line.erase(0, line.find_first_not_of("
"));
line.erase(line.find_last_not_of("
") + 1);
if (line.empty()) continue;
if (seen.find(line) == seen.end()) {
seen.insert(line);
unique_lines.push_back(line);
}
}
按句号分割时，别忽略标点和空格的干扰
若子句以句号结尾（如自然语言段落），直接用 std::string::find(".") 切分会出问题：英文中句号可能出现在缩写（Dr.、Mr.）或小数（3.14）里，不能无脑切。
- 推荐用正则：
std::regex("(.*?\.)(?=\s+[A-Z]|$)")尝试匹配“句号+后续大写字母或结尾”，但需权衡性能 - 更稳妥的做法是：先按空格/换行粗切，再对每个候选子串检查是否以
"."结尾且长度合理（如 > 2 字符），再人工校验 - 常见坑：
std::string::substr起始位置错位、越界导致std::out_of_range；用std::string_view可避免拷贝但需确保源字符串生命周期足够长
性能与内存：大文本下避免反复拼接字符串
当输入是几 MB 的文本，且子句数量上千时，频繁调用 result += line + "
" 会触发多次内存重分配，拖慢速度。
- 改用
std::vector<std::string>缓存唯一子句，最后一次性用std::ostringstream拼接 - 若最终要输出到文件，直接用
std::ofstream边判重边写入，不缓存全部结果 -
std::unordered_set插入平均 O(1)，但哈希冲突多时退化；若子句极长（如每行上万字符），考虑用std::set<std::string>（O(log n) 但稳定）或计算 SHA-256 后存哈希值（空间换时间）
真正难处理的是子句边界模糊、嵌套分隔符、或需要语义理解（比如“他说‘你好。’然后笑了。”里的句号）。这种时候，正则也不够用，得上 parser —— 但那就超出“字符串减法”的范畴了。
