为什么这个正则表达式在最后一场比赛中有空格？

Question

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

Answer 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

Answer 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。