Question

我正在尝试从字符串中解析C＃中的化学公式（格式，例如：Al2O3或O3或C或C11H22O12）。它工作正常，除非只有一个特定元素的原子（例如H2O中的氧原子）。我该如何解决这个问题呢？此外，还有一种更好的解析化学式公式字符串的方法吗？

ChemicalElement是一个代表化学元素的类。它具有AtomicNumber（int），Name（字符串），Symbol（字符串）属性。 ChemicalFormulaComponent是表示化学元素和原子计数的类（例如，公式的一部分）。它具有属性Element（ChemicalElement），AtomCount（int）。

其余部分应该清楚明白（我希望），但如果我能在你回答之前澄清任何内容，请通过评论告诉我。

这是我目前的代码：

    /// <summary>
    /// Parses a chemical formula from a string.
    /// </summary>
    /// <param name="chemicalFormula">The string to parse.</param>
    /// <exception cref="FormatException">The chemical formula was in an invalid format.</exception>
    public static Collection<ChemicalFormulaComponent> FormulaFromString(string chemicalFormula)
    {
        Collection<ChemicalFormulaComponent> formula = new Collection<ChemicalFormulaComponent>();

        string nameBuffer = string.Empty;
        int countBuffer = 0;

        for (int i = 0; i < chemicalFormula.Length; i++)
        {
            char c = chemicalFormula[i];

            if (!char.IsLetterOrDigit(c) || !char.IsUpper(chemicalFormula, 0))
            {
                throw new FormatException("Input string was in an incorrect format.");
            }
            else if (char.IsUpper(c))
            {
                // Add the chemical element and its atom count
                if (countBuffer > 0)
                {
                    formula.Add(new ChemicalFormulaComponent(ChemicalElement.ElementFromSymbol(nameBuffer), countBuffer));

                    // Reset
                    nameBuffer = string.Empty;
                    countBuffer = 0;
                }

                nameBuffer += c;
            }
            else if (char.IsLower(c))
            {
                nameBuffer += c;
            }
            else if (char.IsDigit(c))
            {
                if (countBuffer == 0)
                {
                    countBuffer = c - '0';
                }
                else
                {
                    countBuffer = (countBuffer * 10) + (c - '0');
                }
            }
        }

        return formula;
    }

Answer 1

我使用正则表达式重写了你的解析器。正则表达式完全符合您正在做的事情。希望这会有所帮助。

public static void Main(string[] args)
{
    var testCases = new List<string>
    {
        "C11H22O12",
        "Al2O3",
        "O3",
        "C",
        "H2O"
    };

    foreach (string testCase in testCases)
    {
        Console.WriteLine("Testing {0}", testCase);

        var formula = FormulaFromString(testCase);

        foreach (var element in formula)
        {
            Console.WriteLine("{0} : {1}", element.Element, element.Count);
        }
        Console.WriteLine();
    }

    /* Produced the following output

    Testing C11H22O12
    C : 11
    H : 22
    O : 12

    Testing Al2O3
    Al : 2
    O : 3

    Testing O3
    O : 3

    Testing C
    C : 1

    Testing H2O
    H : 2
    O : 1
        */
}

private static Collection<ChemicalFormulaComponent> FormulaFromString(string chemicalFormula)
{
    Collection<ChemicalFormulaComponent> formula = new Collection<ChemicalFormulaComponent>();
    string elementRegex = "([A-Z][a-z]*)([0-9]*)";
    string validateRegex = "^(" + elementRegex + ")+$";

    if (!Regex.IsMatch(chemicalFormula, validateRegex))
        throw new FormatException("Input string was in an incorrect format.");

    foreach (Match match in Regex.Matches(chemicalFormula, elementRegex))
    {
        string name = match.Groups[1].Value;

        int count =
            match.Groups[2].Value != "" ?
            int.Parse(match.Groups[2].Value) :
            1;

        formula.Add(new ChemicalFormulaComponent(ChemicalElement.ElementFromSymbol(name), count));
    }

    return formula;
}

Answer 2

您的方法存在问题：

            // Add the chemical element and its atom count
            if (countBuffer > 0)

如果没有数字，计数缓冲区将为0，我认为这将有效

            // Add the chemical element and its atom count
            if (countBuffer > 0 || nameBuffer != String.Empty)

这适用于像HO2这样的公式或类似的东西。我相信你的方法永远不会在formula集合中插入化学式的las元素。

你应该在返回结果之前将bufer的最后一个元素添加到集合中，如下所示：

    formula.Add(new ChemicalFormulaComponent(ChemicalElement.ElementFromSymbol(nameBuffer), countBuffer));

    return formula;
}

Answer 3

首先：我没有在.net中使用过解析器生成器，但我很确定你能找到合适的东西。这将允许您以更易读的形式编写化学式的语法。例如，请参见this question作为第一次开始。

如果你想保留你的方法：你是否有可能不添加你的最后一个元素，无论它是否有数字？您可能希望使用i<= chemicalFormula.Length运行循环，如果i==chemicalFormula.Length也添加您的公式。然后您还必须删除if (countBuffer > 0)条件，因为countBuffer实际上可能为零！

Answer 4

如果你想分割类似的东西，正则表达式可以用简单的公式工作：

(Zn2(Ca(BrO4))K(Pb)2Rb)3

使用解析器可能更容易（因为复合嵌套）。任何解析器都应该能够处理它。

前几天我发现了这个问题，我认为如何为解析器编写语法是个很好的例子，所以我将简单的化学式语法包含在我的NLT套件中。键规则是 - 对于词法分析器：

"(" -> LPAREN;
")" -> RPAREN;

/[0-9]+/ -> NUM, Convert.ToInt32($text);
/[A-Z][a-z]*/ -> ATOM;

和解析器：

comp -> e:elem { e };

elem -> LPAREN e:elem RPAREN n:NUM? { new Element(e,$(n : 1)) }
      | e:elem++ { new Element(e,1) }
      | a:ATOM n:NUM? { new Element(a,$(n : 1)) }
      ;

用C＃中的字符串解析化学式？

4 个答案: