为啥这个正则表达式在最后一场比赛中有空格？

Posted 2023-04-13

【中文标题】为啥这个正则表达式在最后一场比赛中有空格？

【英文标题】：Why does this regex space in the last match?为什么这个正则表达式在最后一场比赛中有空格？

【发布时间】：2016-05-16 12:15:49

【问题描述】：

我有以下文字：

2 HCl + 12 Na + 3 (Na₃Cl₂)₂₄ → 2 NaCl + H₂

我想匹配每个分子，包括它的系数。下面的正则表达式几乎可以工作，但是在最后一场比赛之前的空格字符正在匹配，这是不应该的。这是我正在使用的正则表达式：

(([0-9]* ??\(*([a-z]+[₀-₉]*)+\)*[₀-₉]*))

如果您查看此 regex101 链接，可能更容易看出我的问题是什么： https://regex101.com/r/hK7jY6/1

【问题讨论】：

最后没有看到空格匹配。

喜欢(((?:[0-9]+ )?\(*([a-z]+[₀-₉]*)+\)*[₀-₉]*))?

@WiktorStribiżew 是的，这行得通。谢谢！随意张贴作为答案，我会接受它。

语言是什么？ javascript？

@WiktorStribiżew 是的，它是 JavaScript。

【参考方案1】：

更新

如果您的字符串只是有效的化学公式，为什么还要使用下标/数字/字母呢？有非空白符号。由于必须有一个必填字母或(，因此在字符类[a-z(] 中使用它们，然后附加\S*（零个或多个非空格）：

/(?:\d+ )?[a-z(]\S*/gi

请参阅regex demo。 (?:...)? 构造是一个可选的非捕获组（即仅用于分组但不捕获的组（=将子匹配存储在内存缓冲区中）。

带有根本原因解释的原始答案

您将开头的数字和空格模式作为可选子模式，相反，您需要强制匹配它们，但放入可选组中：

(?:[0-9]+ )?\(*([a-z]+[₀-₉]*)+\)*[₀-₉]*

见regex demo

您的[0-9]* ?? 变成了(?:[0-9]+ )?。请注意，在这里您不必使用 ? 量词的惰性版本，它的工作方式与贪婪的量词相同。我还删除了 2 个不必要的外部分组 (...)。

由于(?:[0-9]+ )? 组是可选的，因此只有在其前面有数字时才会匹配空格。如果没有数字，则下一个可以匹配的字符是零个或多个(。然后，应该存在一个[a-z] 字母（如果没有(，则该字母将是匹配中的第一个字符）。

让我分解一下：

(?:[0-9]+ )? - 可选的一位或多位数字后跟一个空格 \(* - 零个或多个 (（也许你的意思是 ?） ([a-z]+[₀-₉]*)+ - 零个或多个一个或多个字母后跟零个或多个 sbscript 数字的序列 \)* - 零个或多个 )（也许你的意思是 ?） [₀-₉]* - 零个或多个下标数字

如果您还想确保不匹配 (Ca 或 H)，您还应该像这样拆分 \(*...\)*：

(?:[0-9]+ )?(?:(?:[a-z]+[₀-₉]*)+|\((?:[a-z]+[₀-₉]*)+\))[₀-₉]*

见another demo

【讨论】：

所以因为整个组是可选的，所以在H2的情况下第一个空格不匹配对吧？

我添加了更多细节，我正在笔记本电脑上打字。我认为你仍然可以使这个表达式更好，但没有确切的要求，这就是我现在所能建议的。请注意，在字母之前还有一个可选的(。不确定这是预期的。另外，* 应用于\(，也许你只想要?。

希望现在一切顺利。如果您需要正则表达式与 ECMAScript 5 (JS) 兼容，这就是我所能建议的。

太棒了！如果我还想匹配嵌套括号怎么办，就像在这个例子中一样？ regex101.com/r/xY7rG8/33 ((Na₃Cl₂)₂HCl₄)₂₄ 将匹配。抱歉，我在写问题时忘记了这一点。

我对这种情况没有答案。您需要为此构建一个解析器。我会在几个小时内想到一个。

【参考方案2】：

虽然 Wiktor 的回答内容丰富，但我想我可能已经找到了一种更简单的方法。

([0-9]+ )*[a-z\(₀-₉\)]+

据我所知，这将匹配方程式的所有部分。

Demo

更新

请参阅 Wiktors 更新答案，它比这更好。

【讨论】：

你没有说你有预先验证的字符串，你的模式暗示了这一点。如果您不需要任何预验证，我已经发布了另一个您可以使用的正则表达式。在您的正则表达式中，无需在字符类中转义 ( 和 )。

我明白了。那时我可能应该把它作为评论。再次感谢您的帮助。

@TobLoef 甚至like this: \b[\w₀-₉ )(]+(?!\S)