Python中如何避免re.split分割文本时末尾生成多余空值

空字符串产生原因 #

该现象确实是Python中re.split方法的固有运行逻辑，不止re.split，原生字符串方法str.split也遵循同样的规则：如果分隔符匹配到了待处理字符串的开头或结尾位置，分割结果会在对应位置生成空字符串元素。
你的测试文本末尾刚好是句点.，完全匹配你写的分割正则，因此分割后句点后方没有剩余内容，就会在结果列表最后生成取值为''的空元素。可以用极简示例验证这个逻辑：

import re
print(re.split(r'\.', 'a.b.'))
# 输出: ['a', 'b', '']

代码调整方案 #

以下方案都可以避免生成多余空值，根据场景选择即可：

• 方案1：分割前预处理文本，移除首尾和分割逻辑相关的冗余字符
  提前用strip()清除文本首尾的句点、换行、多余空格，从源头避免分隔符出现在字符串首尾的情况，同时可以简化原正则的冗余写法：

import re
text = '''Gelaran perdana MotoGP Mandalika GP Indonesia, berhasil dimenangkan oleh pebalap Red Bull KTM, Miguel Oliveira, Minggu (20/3/2022).
Posisi kedua ditempati oleh pebalap Yamaha Fabio Quartararo dan podium ketiga dimenangkan oleh pebalap Pramac Ducati, Johann Zarco.'''

text = text.replace('\n', '').strip('. ')
# 简化正则：匹配句点+任意数量空白，覆盖原来的两个分支逻辑
sentence = re.split(r'\.\s*', text)

• 方案2：分割后过滤结果列表中的空元素
  这种方案通用性最强，不管分隔符出现在字符串开头、结尾还是中间连续匹配产生空串，都可以一次性清理干净，不需要提前调整原文本：

import re
text = '''Gelaran perdana MotoGP Mandalika GP Indonesia, berhasil dimenangkan oleh pebalap Red Bull KTM, Miguel Oliveira, Minggu (20/3/2022).
Posisi kedua ditempati oleh pebalap Yamaha Fabio Quartararo dan podium ketiga dimenangkan oleh pebalap Pramac Ducati, Johann Zarco.'''

text = text.replace('\n','')
sentence = [seg for seg in re.split(r'\.\s*', text) if seg]

• 方案3：如果要长期做NLP分句预处理，不建议单纯靠句点做分割标识——语料里常见的缩写、时间、小数里的句点很容易造成误分割，可以根据实际语料补充排除规则，或者调用对应语言适配的分句工具，效果会更稳定。

内容的提问来源于stack exchange，提问作者Ken Arya