AC自动机必须用failure link+output chain才能正确处理重叠词，仅建Trie树会漏匹配；构建需BFS、output为vector、插入前去重并按长度升序排序。
AC自动机必须用 failure link + output chain 才能正确处理重叠词
只建 Trie 树不够，比如词库含 "南京" 和 "京"，输入 "南京路" 时，若无 failure link，只能匹配到 "南京"；加上 failure link 并配置 output chain 后，节点 '京' 才能在匹配完 "南京" 后继续输出 "京"。否则必然漏匹配。
实操要点：
- 构建 failure link 必须用 BFS，不能 DFS —— DFS 容易导致父节点 fail 指针未就绪就计算子节点
- 每个节点的
output字段必须是 vector（不是单个 bool），用于存所有以该节点结尾的词 ID - failure link 跳转后要合并 output：即
node->output.insert(node->output.end(), node->fail->output.begin(), node->fail->output.end()) - 插入敏感词前先去重：
std::unordered_set<:string></:string>过滤空串和重复项
敏感词插入顺序影响 failure link 正确性
如果词库含 "色" 和 "色情"，必须先插 "色" 再插 "色情"。否则 "色情" 的末节点 fail 指针可能指向根，跳过 "色"，导致“色情网站”里只命中长词、漏掉短词。
原因在于 failure link 构建时依赖已存在路径：短词先入树，长词在匹配失败时才能沿 fail 指针落到短词终点。
立即学习“C++免费学习笔记（深入）”；
建议做法：
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。
- 按敏感词长度升序排序后再批量插入：
std::sort(keywords.begin(), keywords.end(), [](const auto& a, const auto& b) { return a.size() - 避免运行时动态增删——重建 AC 自动机需加锁，高并发下延迟突增
- 若需热更新，改用双实例切换：新词表建好新 automaton，原子指针替换，旧实例延迟析构
UTF-8 文本下必须做码点对齐，否则掩码会截断汉字
std::string 是字节数组，"张" 在 UTF-8 中占 3 字节。若 AC 自动机返回字节偏移 start=5、len=2，直接 text.substr(5, 2) 会取到半个汉字，结果乱码。
安全做法是：拿到字节区间后，用 utf8cpp::distance 和 utf8cpp::advance 映射到码点位置，再反推严格对齐的字节边界。
更稳妥的路径：
- 预处理阶段统一转
std::u32string：utf8cpp::utf8to32(text.begin(), text.end(), std::back_inserter(u32text)) - AC 自动机节点用
char32_t建树（或封装为uint32_t），完全规避多字节问题 - 掩码字符串也用
std::u32string(len_codepoints, U'*')，最后再转回 UTF-8 输出
匹配结果合并与字符串构造最容易崩性能
拿到一堆 {start_byte, length_byte} 后，若用 for 循环调用 text.replace()，每次都会触发内存 realloc，10KB 文本 + 50 个匹配，实测耗时从 12μs 暴涨到 8ms。
真正高效的做法是预分配 + 倒序拼接：
- 把所有匹配区间转成
std::vector<:pair size_t>></:pair>（存{start, end}字节位置） - 按
end降序排序：std::sort(matches.rbegin(), matches.rend()) - 合并重叠/相邻区间：
if (next.start - 预分配结果串：
result.reserve(text.size() + 2 * matches.size()) - 从右往左切片拼接：
result = text.substr(right_end) + replacement + result，避免索引漂移
最关键的细节：别信“字符数 = 掩码星号数”，"宝" 是 3 字节，就得填 3 个 '*'，用 std::string(len_byte, '*')，不是硬写 "***" —— 后者在混合中英文场景下必错。
