regex - 如何使用正则表达式查找化学式

Question

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

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

这有效 - 但现在也找到了“点”之后的每个浮点数：

0.1234 -> 1234 is selected.

有机会防止这种情况吗？提前致谢！

Answer 1

您可能还包括一个否定的lookbehind，以防止前面的点前面有一个数字：

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

Answer 2

如果您还想匹配 , 之类的字符串，H2O可以使用：CH3CH2CH2CH3SiO2

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

或者

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