如何利用unordered_map高效统计文本单词频率？

本文共计1061个文字，预计阅读时间需要5分钟。

直接使用 `std::unordered_map` 存储单词和频率，是 C++ 中实现简洁性与性能首选。它不排序、平均插入/查找时间复杂度为 O(1)，比 `std::map` 快得多，尤其在文本包含数千个不同单词时差异明显。

但别光图快——std::unordered_map 的键必须可哈希，std::string 已内置支持，不用额外写哈希函数；若你用自定义结构体当键，就得自己提供 std::hash 特化或传入哈希仿函数。

• 头文件必须加：#include <unordered_map>
• 声明方式：std::unordered_map<:string int> word_count;</:string>
• 计数只需一行：word_count[cleaned_word]++;（自动初始化为 0 再加 1）
• 注意：空字符串 "" 也会被当作有效键存进去，后续遍历时得跳过

清洗单词比选容器更关键

绝大多数词频不准，不是因为用了 map 还是 unordered_map，而是单词没洗干净。比如 "Hello!"、"hello"、"HELLO" 默认会被算作三个不同单词。