用Python格式化IUPAC术语的好方法（最好是快速的）

Question

我有一个大数据集，其中包含许多IUPAC有机化学术语，格式如下：

2_3_7_8_TETRACHLORODIBENZO_P_DIOXIN_EXPOSURE

我需要能够将其翻译成标准的IUPAC表格，即：

2,3,7,8-tetrachlorodibenzo-p-dioxin exposure

化学名称中的单个字符有一个有限的列表（例如，在上面的例子中是P），在任何情况下不是_将被[blank space]替换。然而，我正在努力区分regex中_被-替换的情况和被,替换的情况。我使用正则表达式替换命名的正则表达式和一个函数来替换它们。locants的capture regex是

(?P<locants>((^|\s)\d{1,2}\s){1,6})（注意，在这种情况下，_已经被空格取代，因此\s而不是_的普遍性）

但是我该如何写一些东西来确保2、3和7后面的空格被,替换，而8后面的空格被-替换呢？你知道吗

Answer 1

使用lookahead功能选择后面跟数字的破折号：

s = "2_3_7_8_TETRACHLORODIBENZO_P_DIOXIN_EXPOSURE"
s = re.sub(r"_(?=\d)", "," ,s)
#'2,3,7,8_TETRACHLORODIBENZO_P_DIOXIN_EXPOSURE'
s = re.sub(r"_", "-" ,s)
#'2,3,7,8-TETRACHLORODIBENZO-P-DIOXIN-EXPOSURE'

（你仍然需要做定位，但看起来你已经知道如何处理它们了。）