问Python Regex负查找

EN

让我们把它分解，保留相关的部分。到目前为止，您有两个选择：

选项1 (数字后面跟着"nodule")：

([0-4]\.\d+\s*[mM]{2})[\s\S]{0,24}[Nn]odule

选项2 ("nodule“后面跟着数字)：

[Nn]odule[\s\S]{0,24}([0-4]\.\d+\s*[mM]{2})

您应该知道regex引擎是贪婪。这意味着[\s\S]{1,24}将尽可能多地匹配，匹配不一定与"nodule“最接近的数字。例如,

Pattern: [Nn]odule[\s\S]{0,24}([0-4]\.\d+\s*[mM]{2})

Text: ... nodule measured 1.4 mm. Another 3.2 mm ...
                                          ^    ^
                                          |    |
          matches this second occurence.  +----+

要解决这个问题，在量词后面添加一个额外的?，使其成为懒惰。因此，不要使用[\s\S]{0,24}，而是使用[\s\S]{0,24}?。

例如，最大的结节位于右下叶，目前为4.4毫米。

这里的示例有"nodule“，由超过24个字符分隔。您应该增加两者之间的字符数。也许是[\s\S]{0,70}?。

所以我正在尝试一个消极的方法

后面只断言位于某个位置之前的文本。为了避免这种情况，我建议与文本"previously measured“相匹配，使用它周围的一些字符。你怎么知道不考虑这些案子？简单，不要制造捕捉。所以你会匹配一些类似的

[\s\S]{0,10}previously measured[\s\S]{0,10}

并放弃比赛，因为它没有返回任何组。此外，您可以在这里包括不同的例外：

[\s\S]{0,10}(?:previously measured|previous scan|another patient|incorrectly measured)[\s\S]{0,10}

如果找到多个点击量，我只想保持最大的大小。

你不能用regex那样做。循环在您的代码中查找最大的。

结果：

在这些条件下，我们有：

[\s\S]{0,10}previously measured[\s\S]{0,10}|([0-4]\.\d+\s*[mM]{2})[\s\S]{0,70}?[Nn]odule|[Nn]odule[\s\S]{0,70}?([0-4]\.\d+\s*[mM]{2})

演示

需要检查的额外条件

也许，为了减少误报，以下选项之一很有用：

1. 不允许在换行符后匹配。
2. 如果"nodule“和数字之间有一个句号，就不要匹配。
3. 找一个接近测量值的日期。

有两种可能性：

1)使用查找器：

(?<!previously measured )(?<![0-9.])([0-9]+(?:\.[0-9]+)?) ?mm

第一个检查"previously measured "是否在数字之前，第二个检查数字之前是否没有数字或点(否则点后面的4个将匹配)。请记住，regex引擎返回左边的第一个结果)。

2)使用捕获组：

previously measured [0-9]+(?:\.[0-9]+)? ?mm|([0-9]+(?:\.[0-9]+)?) ?mm

这样做的目的是为了与你之前想要避免的东西相匹配。当捕获组1存在时，您将得到一个结果。

对于最大的数字，使用re.findall方法，然后取最大的结果(正则表达式不能解决这类事情)。

如果需要在附近有nodule单词，您可以尝试使用：

(?:((?<!previously measured\s)\d+.\d+\s*mm)(?:[^.?!\n]*?)?nodule|nodule(?:[^.?!\n]*?((?<!previously measured\s)\d+.\d+\s*mm))?)

演示

如果：

• 小结节与以mm为单位的值在同一个句子中( [^.?!\n]应该防止它，不管像先生这样的词，小数等会干扰匹配)，你可以用.+? (演示)代替它，但是它可以在句子之间匹配。
• 值在word结节之前或之后(在此程序中，如果前面有值，则首先匹配)，
• 值将在组中捕获:在- \1、- \2、
• 它应该与g和i模式一起使用。

其他类似的解决办法是：

(?=((?<!previously measured\s)\d+.\d+ mm)[^.?!]+nodule)|(?=nodule[^.?!]+((?<!previously measured\s)\d+\.\d+ mm))

演示

仅基于旁观者，它将不直接匹配文本，而是零长位置，并将捕获值成组。