URL编码段是形如%20、%E4%BD%A0的合法三字符序列，需满足%后紧跟两个十六进制字符且独立完整；不能暴力正则替换，因其会误删孤立%或破坏UTF-8多字节序列，应通过状态机识别并安全剔除。
什么是URL编码段，为什么不能直接用正则暴力替换
URL编码段是形如 %20、%E4%BD%A0 这样的三字符序列（% + 两个十六进制字符），它们可能出现在字符串任意位置。但注意：% 单独出现、或后面跟的不是合法十六进制字符（如 %G5、%zz）就不是有效编码段，不应处理；更关键的是，有些 % 是普通字面量（比如用户输入的“折扣为%50”），删掉会破坏原意。
所以不能写 std::regex_replace(s, std::regex("%[0-9A-Fa-f]{2}"), "") —— 它会误删孤立 % 后面的合法字符，也不检查连续多个编码是否构成完整UTF-8序列（如中文常占3个 %xx，只删前两个会导致乱码）。
推荐做法：手动遍历 + 状态机解码再丢弃
真正安全的方式是模拟 URL 解码逻辑，但跳过“还原成字符”这步，只识别出完整、合法的编码单元，然后把它们从结果中排除。核心判断条件有三个：
- 遇到
%时，检查后续至少有两个字符，且都属于0-9A-Fa-f - 每组
%xx必须独立存在（不能跨字节拼接），不尝试合并多个%xx成 UTF-8 字符——因为我们目标是“去掉”，不是“解码后保留” - 非编码部分（包括孤立
%、%AB后紧跟非%字符等）全部原样保留
示例实现（C++17）：
立即学习“C++免费学习笔记（深入）”；
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。
std::string remove_url_encoded_segments(const std::string& s) {
std::string out;
out.reserve(s.size());
size_t i = 0;
while (i < s.size()) {
if (s[i] == '%' && i + 2 < s.size()) {
char c1 = s[i+1], c2 = s[i+2];
if (isxdigit(c1) && isxdigit(c2)) {
// 跳过这三个字符：%, c1, c2
i += 3;
continue;
}
}
out += s[i];
++i;
}
return out;
}
常见误判场景和边界处理
下面这些输入能帮你快速验证逻辑是否健壮：
-
"hello%20world"→"helloworld"（正确去掉%20） -
"price%50off"→"price%50off"（%50后是字母o，不是%开头，所以%50是孤立编码段？不，它其实是合法的！但按我们的规则：只要%后紧接两个十六进制字符就视为可删。所以这里会删掉%50，结果是"priceoff"—— 这符合“去掉所有URL编码段”的字面要求，但业务上可能不对。需确认需求是否真要无条件删除所有合法%xx） -
"a%b%c"→"a%b%c"（%b中b是十六进制，但%c的c前面没有第二个字符，所以都不匹配） -
"%GG%HH"→"%GG%HH"（G和H不是十六进制字符，跳过）
如果业务语义上要求“仅删除出现在 query 参数值里的编码段”，那必须先做 URL 解析（如用 std::string_view 分割 ? 和 &），再对 value 部分调用上述函数——纯字符串层无法区分上下文。
性能与编码假设说明
这个实现是 O(n)，无动态内存分配（除了输出字符串），不依赖 ICU 或 Boost。但它假设输入是字节串（std::string），不做 UTF-8 验证；如果你传入的是已解码的 UTF-8 文本，又混有原始 %xx，那结果取决于字节流顺序——比如 "%E4%BD%A0"（“你”的 UTF-8 编码）会被删成空，而 "%E4%XX" 因 XX 非法被放过。
真正难的从来不是“怎么删”，而是“哪些才算一个完整的、该删的编码段”——这取决于你的数据来源是否规范、是否允许混合编码与明文。线上环境建议加日志采样，观察实际输入中 % 的分布模式，再决定是否引入更严格的 RFC 3986 校验逻辑。
