根据关键字将字符串分解为列表元素

Question

我正在尝试创建一个函数(在Python中)，该函数接受其输入(一个化学公式)并拆分成一个列表。例如，如果输入是"HC2H3O2"，它将转换为：

molecule_list = ['H', 1, 'C', 2, 'H', 3, 'O', 2]

到目前为止，这个方法工作得很好，但是如果我输入一个包含两个字母的元素，例如Na (Na)，它将把它拆分为：

['N', 'a']

我正在寻找一种方法，让我的函数在字符串中查找在名为elements的字典中找到的键。我也在考虑使用正则表达式，但我不确定如何实现它。这就是我现在的函数：

def split_molecule(inputted_molecule):
    """Take the input and split it into a list
    eg: C02 => ['C', 1, 'O', 2]
    """
    # step 1: convert inputted_molecule to a list
    # step 2a: if there are two periodic elements next to each other, insert a '1'
    # step 2b: if the last element is an element, append a '1'
    # step 3: convert all numbers in list to ints

    # step 1:
    # problem: it splits Na into 'N', 'a'
    # it needs to split by periodic elements
    molecule_list = list(inputted_molecule)

    # because at most, the list can double when "1" is inserted
    max_length_of_molecule_list = 2*len(molecule_list)
    # step 2a:
    for i in range(0, max_length_of_molecule_list):
        try:
            if (molecule_list[i] in elements) and (molecule_list[i+1] in elements):
                molecule_list.insert(i+1, "1")
        except IndexError:
            break
    # step2b:     
    if (molecule_list[-1] in elements):
        molecule_list.append("1")

    # step 3:
    for i in range(0, len(molecule_list)):
        if molecule_list[i].isdigit():
            molecule_list[i] = int(molecule_list[i])

    return molecule_list

Answer 1

怎么样

import re
print re.findall('[A-Z][a-z]?|[0-9]+', 'Na2SO4MnO4')

结果

['Na', '2', 'S', 'O', '4', 'Mn', 'O', '4']

Regex解释说：

Find everything that is either

    [A-Z]   # A,B,...Z, ie. an uppercase letter
    [a-z]   # followed by a,b,...z, ie. a lowercase latter
    ?       # which is optional
    |       # or
    [0-9]   # 0,1,2...9, ie a digit
    +       # and perhaps some more of them

这个表达式非常愚蠢，因为它接受任意的“元素”，比如"Xy“。您可以通过将[A-Z][a-z]?部件替换为实际的元素名称列表来改进它，这些名称由|分隔，如Ba|Na|Mn...|C|O

当然，正则表达式只能处理非常简单的公式，例如

  8(NH4)3P4Mo12O40 + 64NaNO3 + 149NH4NO3 + 135H2O

你需要一个真正的解析器，比如pyparsing (一定要检查“Examples”下面的“化学公式”)。祝好运!

Answer 2

这样的表达式将匹配所有感兴趣的部分：

[A-Z][a-z]*|\d+

您可以将它与re.findall一起使用，然后为没有任何值的原子添加量词。

或者，您也可以使用正则表达式：

molecule = 'NaHC2H3O2'
print re.findall(r'[A-Z][a-z]*|\d+', re.sub('[A-Z][a-z]*(?![\da-z])', r'\g<0>1', molecule))

输出：

['Na', '1', 'H', '1', 'C', '2', 'H', '3', 'O', '2']

sub在所有后面没有跟数字的原子后面添加一个1。

Answer 3

非正则表达式方法，这是有点老套的，可能不是最好的，但它是有效的：

import string

formula = 'HC2H3O2Na'
m_list = list()
for x in formula:
   if x in string.lowercase:
      m_list.append(formula[formula.index(x)-1]+x)
      _ = m_list.pop(len(m_list)-2)
   else:
      m_list.append(x)
print m_list
['H', 'C', '2', 'H', '3', 'O', '2', 'Na']