用于grep的正则表达式：提取含恰好4个碳的SMILES行

需求明确 #

从包含SMILES字符串的文本文件中提取满足以下所有条件的行：

• 仅包含恰好4个碳原子（大写C或小写c）
• 允许出现的字符：数字、括号()、等号=、井号#
• 禁止出现的字符：方括号[]、连字符-、@符号@
• 不能包含除C/c之外的其他大写字母

解决方案命令 #

使用grep扩展正则表达式模式实现：

grep -E '^[^C[]@-]*([Cc][^C[]@-]*){4}$' filename

正则模式拆解 #

• ^：锚定行的起始位置
• [^C[]@-]*：匹配任意数量的非禁止字符——排除C/c、[、]、@、-，确保没有违规字符提前出现
• ([Cc][^C[]@-]*){4}：精确匹配4次「一个碳原子（C或c） + 任意数量非禁止字符」的组合，保证恰好4个碳原子
• $：锚定行的结束位置，确保整行都符合规则

内容的提问来源于stack exchange，提问作者nightcod3r