Java字符串内容相同但比较返回false，及文本单词去重异常问题

我来帮你拆解下这两个问题的根源，再给你落地的解决办法，都是开发中常踩的小坑~

问题1：空字符串偷偷溜进ArrayList #

为啥会这样？ #

你大概率是用了split(" ")来拆分单词，这种方式碰到连续空格、行首/行尾空格时，会生成空字符串。比如一行内容是" hello world "，用split(" ")拆分后会得到["", "", "hello", "world", "", ""]，这些空字符串就被误加到列表里了。

怎么解决？ #

把拆分方式换成split("\\s+")——这个正则能匹配任意空白字符（空格、制表符、换行符等）一次或多次，拆分后不会产生空元素。另外保险起见，拆分后先给每个单词做trim()，再判断是否为空，彻底把空字符串挡在外面。

问题2：相同单词重复添加，字符串比较返回false #

核心原因 #

这种情况是单词「表面相同但实际不同」，常见场景有：

• 大小写差异：比如"Hello"和"hello"，Java字符串比较区分大小写，contains()会认为它们是不同的
• 前后藏着空白：比如"test "和"test"，看起来一样但实际长度不同
• 带标点符号：比如"test."和"test"，标点的存在导致字符串不相等

解决思路 #

在判断是否加入列表前，先对单词做标准化清洗：

1. 用trim()去除前后空白
2. 转成统一大小写（比如全小写toLowerCase()），忽略大小写差异
3. 去除多余标点（比如用replaceAll("[^a-zA-Z0-9]", "")保留字母数字，可根据需求调整正则）

完整代码示例（Java） #

把这些处理逻辑整合起来，代码大概是这样的：

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class UniqueWordExtractor {
    public static void main(String[] args) {
        List<String> uniqueWords = new ArrayList<>();
        String filePath = "your_text_file.txt"; // 替换成你的文件路径

        try (BufferedReader br = new BufferedReader(new FileReader(filePath))) {
            String line;
            while ((line = br.readLine()) != null) {
                // 用\\s+拆分，避免空元素
                String[] rawWords = line.split("\\s+");
                for (String rawWord : rawWords) {
                    // 第一步：清洗空白
                    String cleanedWord = rawWord.trim();
                    // 跳过空字符串
                    if (cleanedWord.isEmpty()) {
                        continue;
                    }
                    // 第二步：统一大小写（不需要可注释）
                    cleanedWord = cleanedWord.toLowerCase();
                    // 第三步：去除标点（按需调整正则，比如保留连字符改成[^a-zA-Z0-9-]）
                    cleanedWord = cleanedWord.replaceAll("[^a-zA-Z0-9]", "");
                    // 检查是否已存在，不存在再加入
                    if (!uniqueWords.contains(cleanedWord)) {
                        uniqueWords.add(cleanedWord);
                    }
                }
            }
        } catch (IOException e) {
            e.printStackTrace();
        }

        // 打印结果
        System.out.println("提取到的唯一单词：");
        for (String word : uniqueWords) {
            System.out.println(word);
        }
    }
}

总结 #

这两个问题核心都是没对拆分后的单词做足够的清洗和标准化，只要在加入列表前把单词处理成统一格式，就能完美解决啦~

内容的提问来源于stack exchange，提问作者C.Aglar