题目重点：评论文本与实体→标签表的示例要求输出 [type]{原文}；从匹配 span、重叠选择到输出转义解释。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练版用 Unicode casefold 做大小写无关匹配，保留 review 原始 span 作为花括号内容。
- 仅匹配完整词边界，避免 'air' 匹配 'airport'；词边界对于非拉丁文字可能需另定义。
- 多个模式起点相同取最长，长度仍同按输入映射顺序；选非重叠 span 从左到右输出，题目未规定冲突策略。
解题路线
- 先将词典键归一化并编译匹配器，找到原文中的候选 (start,end,label)；casefold 可能改变 Unicode 字符长度，生产实现应使用能返回原文索引的大小写无关正则或明确字符映射，不能简单拿折叠后下标切原文。
- 按 start 升序、长度降序及稳定词典顺序排序，贪心选非重叠候选；若需要最大覆盖或优先级规则不同，则改成对应区间选择策略。
- 用游标拼接：先追加上个结束位置到 span 起点的原文，再追加 [label]{review[start:end]}，最后追加尾部；不对已替换的字符串二次替换。
- 检查多词实体、大小写变化、重复出现、标点边界、重叠词、空词典和原文中已有 []{} 字符。
手动走一遍
题目句子中 'Airbnb' 命中 business，原文 'San Francisco' 与词典键 'san francisco' 大小写不同但命中 city；输出标签包裹的仍是原文大小写。若 'San' 也是实体，训练 tie-break 选更长的 'San Francisco'。
规模与取舍
朴素对 K 个词典键分别扫描长度 N 的评论约 O(KN) 加候选排序 O(M log M)；词典/文本较大可用 Trie/Aho–Corasick 或支持多模式的正则，但大小写与边界语义需保持一致。
易错点与追问
容易失分的边界
- 先把评论整体 lower/casefold 后输出，丢原始大小写。
- 直接 str.replace 导致多词重叠与二次替换。
- 在 casefold 后字符串用同一数值下标切原文，Unicode 长度变化时错位。
- 把词内子串当独立实体。
- 假装题目给了所有冲突与转义规则。
继续深挖
- 实体重叠时改用业务优先级怎么办？
- 百万词典怎样做多模式匹配？
- 含中文/emoji 如何定义词边界？
- 若标签名或原文含特殊括号，输出如何转义？
