尽管使用不捕获命令，字符仍然被捕获和突出显示

Question

我在 R 中使用正则表达式，我正在尝试捕获具有 1-2 位数字和 0-2 位小数的心脏壁厚度的特定测量值，如：

"maximum thickness of lv wall= 1.5"

但我想排除 (after|myectomy|resection) 在单词 "thickness"

之后某处的情况

所以我写了下面的正则表达式代码：

pattern <- "(?i)(?<=thickness)(?!(\s{0,10}[[:alpha:]]{1,100}){0,8}\s{0,10}(after|myectomy|resection))(?:(?:\s{0,10}[[:alpha:]]{0,100}){0,8}\s{0,10}[:=\(]?)\d{1,3}\.?\d{0,3}"

您可以针对此示例数据框对其进行测试（此示例中的每个测量值都应匹配，最后一个除外）：

df <- tibble(
  test = c("maximum size of thickness in base to mid of anteroseptal wall(1.7cm)",
           "(anterolateral and inferoseptal wall thickness:1.6cm)",
           "hypertrophy in apical segments maximom thickness=1.6cm with sparing of posterior wall",
           "septal thickness=1cm",
           "LV apical segments with maximal thickness 1.7 cm and dynamic",
           "septal thickness after myectomy=1cm")
)

此正则表达式代码适用于匹配我想要的内容；问题是这里我只想捕获测量值，但测量值后面的部分也被捕获，尽管我已经通过 none-捕获组 ?: .

另有说明

检查此图像是 stringr::str_view(df$test, pattern) 的结果：

Answer 1

你可以使用

pattern <- "(?i)(?<=\bthickness(?:\s{1,10}(?!(?:after|myectomy|resection)\b)[a-zA-Z]{1,100}){0,8}\s{0,10}[:=(]?)\d{1,3}(?:\.\d{1,3})?"
str_view(df$test, pattern)

输出：

请参阅 regex demo（JavaScript 现代浏览器中的引擎支持无限长度的回溯）。

详情:

(?<= - 正面回顾的开始，需要以下模式序列立即匹配到当前位置的左侧：
- \bthickness - 整个单词 thickness
- (?:\s{1,10}(?!(?:after|myectomy|resection)\b)[a-zA-Z]{1,100}){0,8} - 出现零到八次
  - \s{1,10} - 一到十个空格
  - (?!(?:after|myectomy|resection)\b) - 不允许 after、mectomy 和 resection 单词紧靠当前位置的右侧
  - [a-zA-Z]{1,100} - 1 到 100 个 ASCII 字母
- \s{0,10} - 零到十个空格
- [:=(]? - 可选的 :、= 或 ( char
) - 正回顾结束
\d{1,3} - 一到三位数
(?:\.\d{1,3})? - . 和一到三位数字的可选序列。

Answer 2

也许您可以将其分解为更小的步骤。

tt <- regmatches(s, regexpr("(?i)thickness.*?\d{1,3}(\.\d{1,3})?", s, perl = TRUE))
is.na(tt) <- grep("after|myectomy|resection", tt)
sub("[^0-9]*", "", tt)
#[1] "1.7" "1.6" "1.6" "1"   "1.7" NA

数据：

s <- c("maximum size of thickness in base to mid of anteroseptal wall(1.7cm)",
       "(anterolateral and inferoseptal wall thickness:1.6cm)",
       "hypertrophy in apical segments maximom thickness=1.6cm with sparing of posterior wall",
       "septal thickness=1cm",
       "LV apical segments with maximal thickness 1.7 cm and dynamic",
       "septal thickness after myectomy=1cm")

尽管使用不捕获命令，字符仍然被捕获和突出显示

Characters are still being captured and highlighted despite using do not capture command

regex

r

regex-group

regex-lookarounds