regex - 为什么这个正则表达式空间在最后一场比赛中？

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可以正常工作，但是就在最后一次匹配之前的空格字符正在匹配，这是不应该的。这是我正在使用的正则表达式:
(([0-9]* ??\(*([a-z]+[₀-₉]*)+\)*[₀-₉]*))
如果您查看这个 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式，为什么还要使用下标/数字/字母？有非空白符号。因为必须有一个强制性的信件或( , 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

见 regex demo . (?:...)?构造是一个可选的非捕获组(即仅用于分组但不用于捕获(=将子匹配存储在内存缓冲区中)的组。
原始答案并解释了根本原因
您将开头的数字和空格模式作为可选子模式，相反，您需要强制匹配它们，但放入一个可选组中:

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

见 regex demo
您的 [0-9]* ??变成了 (?:[0-9]+ )? .请注意，这里您不必使用 ? 的懒惰版本。量词，它将以与贪婪相同的方式工作。我还删除了 2 个不必要的外部分组 (...) .
自 (?:[0-9]+ )? group 是可选的，只有在它前面有一个数字时才会匹配空格。如果没有数字，下一个可以匹配的字符是零个或多个 ( .然后，一个 [a-z]字母应该存在(如果没有 ( ，字母将是匹配中的第一个字符)。
让我分解一下:

(?:[0-9]+ )? - 可选的一位或多位数字后跟一个空格

\(* - 零个或多个 ( (也许你的意思是 ?)

([a-z]+[₀-₉]*)+ - 零个或多个由一个或多个字母组成的序列，后跟零个或多个 sbscript 数字

\)* - 零个或多个 ) (也许你的意思是 ?)

[₀-₉]* - 零个或多个下标数字

如果您还想确保您不匹配 (Ca或 H) ，您还应该拆分 \(*...\)*像这样:

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

见 another demo