最直接核心思路是用std::istringstream分词后插入std::unordered_set，若insert返回second为false则重复；需预处理标点、统一大小写，并注意空字符串等边界情况。
用 std::unordered_set 检查单词重复最直接
核心思路是把每个单词拆出来，插入哈希集合；如果某次插入失败（即 insert 返回的 second 为 false），说明已存在相同单词。注意这里“单词”默认按空白分隔，不处理标点——若需清洗标点，得先预处理。
常见错误是直接对整个字符串做 std::unordered_set<:string></:string> 插入，结果判断的是“整个字符串是否重复”，而非“单词是否重复”。必须先分词。
- 用
std::istringstream拆分最轻量，适合纯空格分隔场景 - 若含制表符、换行等，
std::istringstream仍能自动跳过，无需额外 trim - 遇到连续空格或首尾空格，它会自动忽略，不会产生空字符串
处理标点时别用 std::string::find_first_of 硬切
想保留单词本意（比如 "hello," 和 "hello" 应视为同一单词），直接按标点切分会引入碎片。更稳妥的做法是：遍历字符，用 std::isalnum 判断是否属于单词字符，累积成临时 word，遇到非字母数字就 flush 当前 word 并重置。
容易踩的坑是调用 std::ispunct 后直接跳过，却忘了像单引号 ' 这种在缩写中合法（如 don't）的情况——除非业务明确要求剔除所有标点，否则建议只剥离两端标点，用 std::string::find_first_not_of 和 find_last_not_of 配合 " \t\n\r.,!?;:\"'()[]{}" 字符集。
立即学习“C++免费学习笔记（深入）”；
std::set 和 std::unordered_set 性能差异明显
单纯查重，std::unordered_set 平均 O(1) 插入+查找，std::set 是 O(log n)。当单词数超过几百，差距可测；上万单词时，前者通常快 2–5 倍。但 unordered_set 有哈希冲突风险，若单词极多且哈希函数不佳（比如全是短字符串），可能退化。
- 默认
std::hash<:string></:string>在主流 STL 实现中足够健壮，无需自定义 - 如果确定单词长度很短（如全为 2–4 字母），可考虑用
std::string_view避免频繁构造std::string对象 - 不要为省几毫秒而提前 micro-optimization；先用
unordered_set，profile 真慢再调
大小写敏感与否得在分词后统一处理
不能靠 std::tolower 逐字符转再比较——中文 Windows 下 locale 设置不当会导致 std::tolower 对非 ASCII 字符返回 EOF，引发未定义行为。安全做法是：分词后，对每个 std::string 构造新字符串，用 std::transform + std::tolower（传入 std::locale{}）转换，或更简单地用循环 + static_cast<unsigned char></unsigned> 强转后调用 std::tolower。
另一个坑是误用 std::toupper 或 std::tolower 直接作用于 char 而不转成 unsigned char，在 char 为有符号且值为负时（如某些 UTF-8 字节），行为未定义。
实际中最容易被忽略的是边界情况：空字符串、全空格字符串、只有一个单词、单词含 Unicode（如 emoji 或中文）——这些情况下分词逻辑是否仍健壮，得靠测试覆盖。别假设输入永远“规范”。
