为什么这个正则表达式空间在最后一场比赛？

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正常工作，但是在最后一场比赛之前的空格字符正在匹配，它不应该是。这是我正在使用的正则表达式：

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

如果你看看这个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。由于必须有必填字母或(，请在字符类[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）。

原始答案，解释根本原因

您在开头有数字和空格图案作为可选子图案，相反，您需要强制匹配它们，但放入可选组：

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

请参阅regex demo

您的[0-9]* ??已变为(?:[0-9]+ )?。请注意，在这里您不必使用惰性版本的?量词，它的工作方式与贪婪的一样。我还删除了2个不必要的外部分组(...)。

由于(?:[0-9]+ )?组是可选的，因此只有前面有数字时才会匹配空格。如果没有数字，则可以匹配的下一个字符为零或更多(。然后，应该出现[a-z]个字母（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]+ )? - 可选的一个或多个数字后跟空格
• \(* - 零或更多(（也许您的意思是?）
• ([a-z]+[₀-₉]*)+ - 一个或多个字母的零个或多个序列，后跟零个或多个sbscript数字
• \)* - 零或更多)（也许您的意思是?）
• [₀-₉]* - 零个或多个下标数字

如果您还想确保自己不匹配(Ca或H)，还应该像这样分割\(*...\)*：

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

请参阅another demo

Answer 2

虽然Wiktor的回答非常有用，但我想我可能已经找到了一种更简单的方法。

([0-9]+ )*[a-z\(₀-₉\)]+

就我所知，这将与等式的所有部分相匹配。

Demo

<强>更新

请参阅Wiktors更新答案，它比这更好。