如何使用正则表达式查找化学式

Posted 2023-04-13

【中文标题】如何使用正则表达式查找化学式

【英文标题】：How to find chemical formulas with regex

【发布时间】：2013-03-13 20:22:05

【问题描述】：

这个问题可能不是一个特定的编程问题，但我尝试在科学文本中找到 H20、C02 等化学公式，然后我使用这个：

(?<=[\l\u]|\.)\d+

这可行 - 但现在也可以找到“点”之后的每个浮点数：

0.1234 -> 1234 is selected.

有没有机会阻止这种情况？提前致谢！

【问题讨论】：

也许从后面删除点？

你到底想匹配什么？ SMILES 格式的字符串？你能提供一些例子吗？

只是化学式，如 H20 或 SO2，请参阅编辑 :)

【参考方案1】：

您还可以包含 negative lookbehind 以防止前面的点带有数字：

(?<=[\l\u.])(?<!\d\.)\d+

【讨论】：

看起来这行得通！在我接受之前我会对其进行更多测试，但谢谢！

【参考方案2】：

如果您还想匹配H2O、CH3CH2CH2CH3、SiO2 等字符串，您可以使用：

(?i)\b[a-z]+(?:\d+[a-z]+)*\b

或

\b(?:[A-Z][a-z]?)+(?:\d+(?:[A-Z][a-z]?)+)*\b