C++ set容器去重与排序：insert函数与自定义比较器实战解析
set插入重复元素时，如何准确判断insert是否成功？
判断C++ set插入操作是否成功，关键在于正确解读其返回值。标准库中的set::insert函数会返回一个std::pair类型的结果。其中，second成员是一个布尔标志：若为true，表明新元素已成功插入容器；若为false，则说明该键值已存在于集合中，本次插入操作被忽略。
这里需要特别注意一个常见错误：切勿通过判断返回的迭代器是否等于end()来确认插入结果。该迭代器始终指向一个有效元素——要么是新插入的，要么是集合中已存在的等价元素。因此，它无法用于判断重复。
例如，以下代码是无效的：
if (s.insert(x).first != s.end()) { ... } // 此条件恒成立，无实际意义
正确的判断方法如下：
auto [it, inserted] = s.insert(x); // C++17结构化绑定，简洁明了
if (inserted) {
// 元素新增成功，可在此处理相关逻辑
} else {
// 元素已存在，it指向集合中原有的对应元素
}
自定义比较器必须满足「严格弱序」，否则set行为未定义
许多C++ set容器出现的诡异崩溃或逻辑错误，根源往往在于自定义比较器违反了“严格弱序”的核心规则。该规则要求比较关系满足非自反性、反对称性和传递性。开发者常犯的错误是误用<=或!=来实现比较逻辑。
以下是一个典型的错误示例：
struct BadComp {
bool operator()(const int& a, const int& b) const {
return a <= b; // ❌ 违反非自反性：a <= a 为 true，将导致未定义行为
}
};
正确的做法是始终使用严格的<关系来定义比较逻辑，并确保其清晰无误。以下是几种常见场景的正确实现：
- 按绝对值排序：
return abs(a) < abs(b);（需注意处理绝对值相等的不同数值） - 字符串先按长度、再按字典序比较：
return s1.size() < s2.size() || (s1.size() == s2.size() && s1 < s2); - 实现降序排列：直接使用
return a > b;即可，避免使用!(a < b)，后者在边界情况下可能破坏传递性。
想用set去重+排序，但又需要保留原始插入顺序？
答案是：set容器本身无法实现。set会根据你提供的比较器（或默认的less）对所有元素进行排序，原始插入顺序会被完全覆盖。如果你的核心需求是“去重但保持元素首次出现的顺序”，那么set并非合适的选择。即使尝试为元素添加时间戳字段，在多线程或重复值场景下，也难以保证稳定性和效率。
更实用的替代方案如下：
- 使用
std::unordered_set进行快速重复判断，同时配合std::vector按序存储唯一元素。典型代码模式为：if (seen.insert(x).second) unique_vec.push_back(x); - 若后续仍需对唯一序列进行快速查找，可将其封装为一个工具类，内部同时维护
unordered_set和vector。 - 切勿强行使用包含时间戳的自定义比较器来改造
set。这会使排序逻辑复杂化，降低find等操作的效率，并可能因时间戳的重复或更新引发意外行为。
性能敏感场景：单次insert调用 vs 批量构造初始化
当需要插入大量元素时，性能差异将变得显著。逐个调用insert方法的时间复杂度为O(n log n)。而使用迭代器区间进行构造初始化（例如set），底层实现可能进行优化，虽然时间复杂度可能仍是O(n log n)，但常数因子更小，更重要的是减少了多次内存分配的开销，提升了内存访问的局部性。
在以下实测场景中，性能差异较为明显：
- 从vector批量去重排序：直接使用区间构造函数，通常比循环调用
insert快10%到30%。 - 数据基本有序时：可考虑使用
std::set::insert的“提示”版本（即带迭代器参数作为插入位置提示）。若提示位置准确，插入的均摊时间复杂度可降至接近O(1)；反之，性能将退化为普通的insert。 - 编译器优化：在-O2等优化级别下，GCC等编译器对于
set{a,b,c}这类初始化列表，可能进行常量折叠等激进优化。
当然，如果插入操作分散在程序的不同逻辑分支中，则不必强行合并。代码的可读性和可维护性始终应放在首位。
最后，还有一个易被忽略的性能细节：自定义比较器的类型是set模板参数的一部分。若该比较器类型包含复杂的内部状态或较大的对象，可能会显著增加模板实例化的编译时间，以及最终二进制文件的体积。因此，保持比较器的轻量与简单，通常是一个良好的编程习惯。
