如何移除PostgreSQL中string_to_array生成数组的空词元素

问题原因 #

现有逻辑产生空数组元素的核心原因是：移除非字母字符后，文本中会残留连续空格，string_to_array按单个空格拆分时，连续空格的间隔位置会被识别为空字符串。以示例文本Some Result V1.0 - 3D Model为例，移除非字母后得到Some Result V D Model，V和D之间的两个空格拆分后就会生成空值。

可行方案 #

方案1：拆分后直接移除空值（改动最小，兼容PG9.3及以上版本） #

用内置array_remove函数直接剔除拆分结果里的空字符串即可，不需要调整原有逻辑：

SELECT
    asset.id,
    array_remove(
        string_to_array(TRIM(regexp_replace(asset.title, '[^a-zA-Z ]', '', 'g')), ' '),
        ''
    ) AS search_keywords
FROM
    assets asset

针对示例文本，该语句返回结果为{Some,Result,V,D,Model}，无空元素。

方案2：用正则拆分从根源避免空值 #

换用regexp_split_to_array函数，将1个或多个连续空白符作为分隔符，不需要额外过滤空值：

SELECT
    asset.id,
    regexp_split_to_array(
        TRIM(regexp_replace(asset.title, '[^a-zA-Z ]', '', 'g')),
        '\s+'
    ) AS search_keywords
FROM
    assets asset

该写法可以同时兼容空格、制表符、换行符等多类型空白的连续场景，适配性更强。

方案3：优化正则逻辑一步到位 #

调整正则匹配规则，把连续的非字母字符统一替换为单个空格，从源头避免连续空格产生，减少函数嵌套：

SELECT
    asset.id,
    string_to_array(
        TRIM(regexp_replace(asset.title, '[^a-zA-Z]+', ' ', 'g')),
        ' '
    ) AS search_keywords
FROM
    assets asset

该写法将多个连续非字母字符合并替换为单个空格，拆分后不会产生空值，执行效率更高。

如果后续要做全文搜索，也可以直接使用PostgreSQL内置的全文检索功能，不需要手动维护词数组，搜索性能和准确性会更好。

内容的提问来源于stack exchange，提问作者Jared