我有许多医疗报告,每份报告我都试图捕获 6 组(第 5 组和第 6 组是可选的):
(临床细节 | 临床适应症)+(文本 1)+(结果|报告)+(文本 2)+(解释|结论)+(文本 3)。
我使用的正则表达式是:
reportPat=re.compile(r'(临床细节|适应症)(.*?)(结果|描述|报告)(.*?)(解释|结论)(.*)',re.忽略大小写|re.DOTALL)
除了在缺少可选组的字符串上有效之外,我试过像这样在 group5 之后加上问号:(Interpretation|conclusion)?(.*) 但随后该组被合并到 group4 中。我正在粘贴两个相互冲突的字符串(一个包含 5/6 组,另一个不包含它)供人们测试他们的正则表达式。谢谢你的帮助
文本 1(所有组都在场)
技术报告:\n给药:\n1.04 ml 氟 18,含 aco 的氟脱氧葡萄糖 - 支气管和肺\nJA - 分期\n\n临床详情:\n鳞状细胞肺癌,组织学确认?分期\n结果:\n从颅底到大腿上部进行了 FDG 扫描,同时进行了低剂量 CT 扫描以进行衰减校正和图像融合。\n\n左上叶近端有一个大肿 block ,塌陷的左上叶内有较低级别的摄取。此病变\n\n解释:\n扫描结果与已知的左上叶原发肺和淋巴结受累一致,因为没有远处转移性疾病的证据。
文本 2(没有第 5 组和第 6 组)
技术报告:\n给药:\n0.81 毫升氟 18, active 为 312.79 的氟脱氧葡萄糖\n扫描仪:3D 静态\n患者体位:仰卧,头朝前。武装起来\n\n\n诊断代码:\n- 支气管和肺\nJA - 分期\n\n临床适应症:\n新诊断的原发性肺癌伴颅骨转移。 PET 扫描以评估任何进一步的转移性疾病。\n\n扫描仪 DST 3D\n\n session 1 -\n\n。\n\n结果:\n从颅底到大腿上部进行了 FDG 扫描以及低剂量 CT 扫描用于衰减校正和图像融合。\n\n右下叶肿 block 中 FDG 摄取增加,与中央坏死的内侧和后部胸膜相邻(最大 SUV 18.2)。右侧副结肠沟的小结节
请您参考如下方法:
看起来你缺少的基本上是模式匹配的结束,以在与组 5 和 6 的可选存在相结合时欺骗贪婪匹配。这个正则表达式应该可以解决问题,保持你当前的组编号:
reportPat=re.compile(
r'(Clinical details|indication)(.*)'
r'(result|description|report)(.*?)'
r'(?:(Interpretation|conclusion)(.*))?$',
re.IGNORECASE|re.DOTALL)
所做的更改是将 $ 添加到末尾,并将最后两个组包含在可选的非捕获组 (?: ... )? 中。还要注意如何通过拆分行(解释器将在编译时自动连接)轻松地使整个正则表达式更具可读性。
补充:在查看匹配结果时,我看到了一些:\n 或:\n,可以轻松清理通过在标题和文本组之间添加 (?:[:\s]*)? 。这是一组可选的非捕获冒号和空格。你的正则表达式看起来像这样:
reportPat=re.compile(
r'(Clinical details|indication)(?:[:\s]*)?(.*)'
r'(result|description|report)(?:[:\s]*)?(.*?)'
r'(?:(Interpretation|conclusion)(?:[:\s]*)?(.*))?$',
re.IGNORECASE|re.DOTALL)
添加 2: 在这个链接:https://regex101.com/r/gU9eV7/3 ,您可以看到正在运行的正则表达式。我还添加了一些单元测试用例来验证它是否适用于两种文本,并且在 text1 中它与 text1 匹配,而对于 text2 它没有任何匹配。我用这个 parallell 在 python 脚本中直接编辑来验证我的答案。
