返回特定字母后直到下一个字母的数字的正则表达式

Question

我需要一个正则表达式，它返回一个特定的字母和以下(一个或两个)数字，直到下一个字母。
例如，我想使用 R 中的正则表达式提取公式中的碳数 (C)

strings <- c("C16H4ClNO2", "CH8O", "F2Ni")

我需要一个表达式来返回 C 的数量，它可以是一位或 2 位数字，并且不返回氯 (Cl) 之后的数字。

substr(strings,regexpr("C[0-9]+",strings) + 1, regexpr("[ABDEFGHIJKLMNOPQRSTUVWXYZ]+",strings) -1)
[1] "16" "C"  ""  

但我想被退回的答案是

"16","1","0"

此外，我希望正则表达式自动定位下一个字母并在它之前停止，而不是将最终位置指定为不是 C 的字母。

Answer 1

makeup在 CHNOSZ 包中将解析一个化学式。以下是一些使用它的替代方案:

1) 创建列表 L这种完全解析的公式，然后检查每个公式是否有 "C"组件并返回其值或 0 如果没有:

library(CHNOSZ)

L <- Map(makeup, strings)
sapply(L, function(x) if ("C" %in% names(x)) x[["C"]] else 0)
## C16H4ClNO2       CH8O       F2Ni 
##         16          1          0 

请注意 L是完整解析公式的列表，以防您有其他要求:

> L
$C16H4ClNO2
 C  H Cl  N  O 
16  4  1  1  2 

$CH8O
C H O 
1 8 1 

$F2Ni
 F Ni 
 2  1 

1a) 通过添加 c(C = 0)对于每个列表组件，我们可以避免测试碳的存在，从而产生以下较短版本的 sapply (1) 中的行:

sapply(lapply(L, c, c(C = 0)), "[[", "C")

2) 除了名称之外，(1) 的这一单行变体给出了与 (1) 相同的答案。它附加 "C0"到每个公式以避免必须测试碳的存在:

sapply(lapply(paste0(strings, "C0"), makeup), "[[", "C")
## [1] 16  1  0

2a) 这是 (2) 的一个变体，它消除了 lapply通过使用 makeup 的事实将接受一个矩阵:

sapply(makeup(as.matrix(paste0(strings, "C0"))), "[[", "C")
## [1] 16  1  0