解析语料提取词形时 嵌套循环内报list index out of range错误

list index out of range 报错的核心原因是：当遍历到完全空白的行（无任何有效字符，或整行只有空格/换行）时，line.split() 方法会返回长度为0的空列表，此时访问列表第0个元素就会触发越界。
这类空白行的来源通常是VRT文件的结构本身：<s>标签前后、块内容首尾的换行符会被BeautifulSoup的get_text()方法一并提取，拆分行时就会生成无实际词条的空行。在循环外部手动测试时因为选取的都是有实际内容的样本行，不会碰到空列表的情况，所以不会触发报错。

• 遍历每行时增加空列表判断，直接跳过无有效内容的行
• 优化文件读取逻辑，使用with上下文管理器避免文件句柄泄漏，指定编码兼容不同系统的文件格式
• 匹配VRT的制表符分隔规则拆分字段，避免按任意空白拆分导致的词形被误切的问题

修正后可直接运行的代码 #

from bs4 import BeautifulSoup

# 读取VRT源文件
with open('MeinWikiKorpus.vrt', 'r', encoding='utf-8') as source_f:
    soup = BeautifulSoup(source_f.read(), 'html.parser')

# 提取所有句子块的纯文本
sentence_blocks = [block.get_text() for block in soup.find_all('s')]

# 输出提取到的所有词形
with open('extracted_wordforms.txt', 'w', encoding='utf-8') as output_f:
    for block in sentence_blocks:
        for line in block.splitlines():
            # 先去除行首尾的空白，再按制表符拆分列
            columns = line.strip().split('\t')
            # 跳过空行
            if not columns or not columns[0].strip():
                continue
            output_f.write(f"{columns[0].strip()}\n")

补充说明：如果你的VRT语料存在换行缩进、标签属性换行的情况，上述拆分逻辑会自动过滤掉无有效内容的行，不会再触发索引越界报错；如果后续需要保留词性标注信息，只需要从拆分后的columns列表中取对应索引的字段即可。

内容的提问来源于stack exchange，提问作者Emanuel K.