用于解析化学式的正则表达式答案

【问题标题】：RegEx for parsing chemical formulas用于解析化学式的正则表达式
【发布时间】：2014-05-12 06:14:26
【问题描述】：

我需要一种方法来将化学式分解为其组成部分。结果应该看起来像这个：

   Ag3PO4 -> [Ag3, P, O4]
      H2O -> [H2, O]
   CH3OOH -> [C, H3, O, O, H]
Ca3(PO4)2 -> [Ca3, (PO4)2]

我不知道正则表达式的语法，但我知道我需要这样的东西

[可选括号][大写字母][0个或多个小写字母][0个或多个数字][可选括号][0个或多个数字]

成功了

NSRegularExpression *regex = [NSRegularExpression
                              regularExpressionWithPattern:@"[A-Z][a-z]*\\d*|\\([^)]+\\)\\d*"
                              options:0
                              error:nil];
NSArray *tests = [[NSArray alloc ] initWithObjects:@"Ca3(PO4)2", @"HCl", @"CaCO3", @"ZnCl2", @"C7H6O2", @"BaSO4", nil];
for (NSString *testString in tests)
{
    NSLog(@"Testing: %@", testString);
    NSArray *myArray = [regex matchesInString:testString options:0 range:NSMakeRange(0, [testString length])] ;
    NSMutableArray *matches = [NSMutableArray arrayWithCapacity:[myArray count]];

    for (NSTextCheckingResult *match in myArray) {
        NSRange matchRange = [match rangeAtIndex:0];
        [matches addObject:[testString substringWithRange:matchRange]];
        NSLog(@"%@", [matches lastObject]);
    }
}

【问题讨论】：

我不确定化学公式是否是常规语言。你也许可以尝试一下，但它可能并不完美。
@LegoStormtroopr 看看我上面的尝试，只要我能得到类似的东西，我就会很酷。

标签： objective-c regex

【解决方案1】：

(PO4)2 真的置身事外。

让我们从简单的不带括号的匹配项开始：

[A-Z][a-z]?\d*

使用上面的正则表达式我们可以成功解析Ag3PO4、H2O、CH3OOH。

然后我们需要以某种方式为组添加表达式。组本身可以使用：

\(.*?\)\d+

所以我们添加or条件：

[A-Z][a-z]?\d*|\(.*?\)\d+

Demo

适用于特定情况。但可能您还有更多样本。

注意：嵌套括号会有问题。前任。 Co3(Fe(CN)6)2

如果您想处理这种情况，可以使用以下正则表达式：

[A-Z][a-z]?\d*|(?<!\([^)]*)\(.*\)\d+(?![^(]*\))

对于 Objective-C，您可以使用没有环视的表达式：

[A-Z][a-z]?\d*|\([^()]*(?:\(.*\))?[^()]*\)\d+

Demo

或带有重复的正则表达式（我不知道这样的公式，但如果有类似A(B(CD)3E(FG)4)5 的东西 - 一个内有多个括号块。

[A-Z][a-z]?\d*|\((?:[^()]*(?:\(.*\))?[^()]*)+\)\d+

Demo

【讨论】：

感谢一群人，感谢所有其他海报的快速帮助。这真的有助于我理解正则表达式，它们都能完成工作！
我不经常遇到双括号，但就目前而言，它们是一个问题，因为Co3(Fe(CN)6)2 产生[Co3, (Fe(CN)6]。
@doctordoder 它错过了2，应该是(Fe(CN)6)2。我添加了正则表达式来处理这种情况。
我在您上次编辑时遇到了一些问题。不过，我认为这只是一个 Objective-C 的东西。例如，每个 \ 都需要写为 \\ 因为它们是 NSString 对象。这是我尝试过的，但每次测试都没有匹配项：gist.github.com/MichaelSnowden/e5badcffeb7c4300d067
题外话，但是你是如何生成正则表达式模式的那些时髦的可视化的？

【解决方案2】：

遇到括号组，你不会想解析里面的内容吧？

如果没有嵌套的括号组，您可以简单地使用

[A-Z][a-z]*\d*|\([^)]+\)\d*

\d 是[0-9] 的快捷方式，[^)] 的意思不是括号。

见demo here。

【讨论】：

【解决方案3】：

这应该只是工作：

/(\(?)([A-Z])([a-z]*)([0-9]*)(\))?([0-9]*)/g

在这里玩一下：http://refiddle.com/

【讨论】：

为什么所有的捕获组？
我以为 OP 希望每个部分都单独匹配。

【解决方案4】：

这个模式应该取决于你的 RegEx 引擎
([A-Z][a-z]*\d*)|(\((?:[^()]+|(?R))*\)\d*) 和 gm 选项
Demo

【讨论】：