求助：如何用sed为分子式中无计数的元素后插入1？

问题分析 #

你的需求是给分子式中未标注计数的元素自动补全1，但现有sed命令只覆盖了两个大写元素相邻和元素在空格前的场景，漏掉了关键情况——比如CH4里的C后面跟着带数字的H4，你的正则没匹配到这种无数字的元素开头；还有像NH3O末尾的O，如果你的命令只处理空格前的元素，那行尾的元素也会被遗漏吗？不对，你的第二个规则是处理空格前的元素，但如果分子式是行尾的话就没覆盖到，这也是问题之一。

解决方案 #

用GNU sed的扩展正则（-E选项），可以精准匹配所有需要补1的元素场景：

sed -E 's/([A-Z])([^0-9])/\11\2/g; s/([A-Z])$/\11/g' input.txt

命令拆解解释

1. 第一个替换规则 s/([A-Z])([^0-9])/\11\2/g：

   • ([A-Z])：捕获单个大写元素符号（比如C、N、O）
   • ([^0-9])：匹配元素后面非数字的字符（包括另一个大写元素、空格、换行等）
   • 替换为\11\2：在捕获的元素后插入1，同时保留后面的非数字字符
   • 这个规则能处理绝大多数场景：比如CH→C1H、O →O1 、NO→N1O

2. 第二个替换规则 s/([A-Z])$/\11/g：

   • 专门匹配行尾的大写元素（比如单独的O作为分子式），给它补1，避免遗漏这种极端情况

测试验证 #

把你的输入字符串：

NH3O CH4 CHN C2NOPH3

用上述命令处理后，输出完全符合你的预期：

NH3O1 C1H4 C1H1N1 C2N1O1P1H3

扩展：支持双字符元素（如Fe、Cu） #

如果你的分子式里包含双字符元素（首字母大写，第二个小写），可以把正则调整为匹配[A-Z][a-z]?，命令修改为：

sed -E 's/([A-Z][a-z]?)([^0-9])/\11\2/g; s/([A-Z][a-z]?)$/\11/g' input.txt

这样FeO会被处理为Fe1O1，满足更复杂的分子式需求。

内容的提问来源于stack exchange，提问作者MirrG