Java移除空字符串报错：unexpected empty sentence: [] 求解

不用纠结修改正则，直接在文本清理完成后、传入Sentence构造器之前加一层空值判断，就能彻底避免这个异常。

具体实现步骤 #

• 保留你原有的文本清理逻辑（移除数字、标点、尾随空格）
• 对清理后的字符串做有效性校验：先trim()确保过滤全空格情况，再判断长度是否大于0
• 仅当字符串有效时才实例化Sentence，无效则直接跳过或给lemmas字段设兜底值

代码示例 #

public void LemmatiseSingleDocument(String originalText) {
    // 原有清理逻辑：移除数字、标点、尾随空格
    String cleanedText = originalText.replaceAll("[\\d\\p{Punct}]", "").trim();
    
    // 新增空内容过滤逻辑
    if (cleanedText.isEmpty()) {
        // 可根据需求选择跳过处理，或给lemmas设空值/默认标识
        System.out.println("跳过空内容，避免Sentence实例化报错");
        return;
    }
    
    // 仅处理有效内容
    Sentence sentence = new Sentence(cleanedText);
    // 后续将处理后的lemmas存入JSON等操作
    // ...
}

额外优化（Java 11+） #

如果原文本清理后可能出现全空白字符（比如" !!! "），可以用isBlank()替代isEmpty()，覆盖更多空白场景：

if (cleanedText.isBlank()) {
    return;
}

为什么不硬改正则？ #

纯数字、纯标点的组合场景太多（比如"1.8"、"???---"），正则很难一次性覆盖所有情况，反而会让逻辑变得复杂晦涩。在清理后加判断是更直接、易维护的方案，逻辑清晰且不会引入新的正则问题。

内容的提问来源于stack exchange，提问作者Bluetail