Question

我有一个庞大的CT扫描结果和印象数据库。我正在尝试构建一个正则表达式，它搜索一个整数或浮点数后跟“＆＃39; mm＆＃39;这是与“结节”这个词相邻的。前进或后退。这是我到目前为止的正则表达式：

nodule_4mm_size = "(?s).*?([0-4]*\.*[0-9]+\s*[mM]{2})[\w\W]{0,24}[Nn]odule|(?s)[Nn]odule[\w\W]{0,24}.*?([0-4]*\.*[0-9]+\s*[mM]{2})”

但是，我需要确保先前或之前的测量不会先发现这些结果。放射科医生参考以前的扫描。所以我正在尝试一种消极的观察，如下所示：

(?<!previously measured)\?[Nn]odule[\w\W]{0,24}[^\.\d]([0-4]\s*[mM]{2}|[0-3]\.[0-9]\s*[mM]{2}|4\.0+\s*[mM]{2})

然而，我无法让它发挥作用。以下段为例。

＆＃34;例如，位于右下方的最大结节叶片和目前的尺寸为4.4毫米（图像＃82，系列3）在09/01/2011测得3.6毫米。＆＃34;

在这种情况下，我希望正则表达式达到4.4毫米而不是3.6毫米。此外，如果找到多个匹配，我想只保留找到的最大尺寸。例如，

＆＃34;例如，位于右下方的最大结节叶片和目前的尺寸为4.4毫米（图像＃82，系列3）在09/01/2011测得3.6毫米。发现另一个结节为2.2毫米。

在这种情况下，我想确保只识别4.4毫米。

真正感谢任何帮助。只是不能让这种消极的观察能够发挥作用！谢谢！

Answer 1

两种可能性：

1）使用lookbehinds：

(?<!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将匹配。请记住，正则表达式引擎返回第一个结果在左边。）

2）使用捕获组：

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

这个想法是为了匹配你想要避免的东西。当捕获组1存在时，您会得到一个结果。

关于最大的数字，请使用re.findall方法并获取最大的结果（正则表达式无法解决此类问题）。

Answer 2

如果附近需要nodule个字词，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))?)

DEMO

匹配如果：

结节与mm中的值相同（[^.?!\n] 应该防止它，但是像先生，小数等字样会打扰匹配），您可以将其替换为.+?（DEMO），但它可以匹配句子
该值在字结节之前或之后（在此节目中，如果存在的话）是之前的值，它将首先匹配，
值将以组的形式捕获：在 - \ 1之前，在\ _2之后，
它应该与g和i模式一起使用

其他类似的解决方案是：

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

DEMO

仅基于外观，它不会直接匹配文本，而是零长度位置，并将值捕获到组中。

Answer 3

让我们分解，保留相关部分。到目前为止，您有两个选择：

选项1 （数字后跟＆＃34; nodule＆＃34;）：

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

选项2 （＆＃34; nodule＆＃34;后跟数字）：

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

您应该知道正则表达式引擎是greedy。这意味着[\s\S]{1,24}将尝试尽可能多地匹配，匹配不一定最接近＆＃34; nodule＆＃34;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.  +----+

要解决此问题，请在量词后添加额外的 ? 以使其成为lazy。因此，请使用[\s\S]{0,24}。

，而不是使用[\s\S]{0,24}?

例如，最大的结节位于右下叶，目前尺寸为4.4 mm

这个例子有＆＃34; nodule＆＃34;相隔超过24个字符。你应该增加两者之间的字符数。也许是[\s\S]{0,70}?。

所以我正在尝试一种负面的背后隐藏

Lookbehinds仅断言紧靠某个位置之前的文本。为了避免这种情况，我建议使用文本＆＃34; previously measured＆＃34;来消费它周围的一些字符。那么，你怎么知道不考虑这些案件呢？很容易，不要创建捕获。所以你会匹配像

这样的东西

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

并丢弃该匹配，因为它没有返回任何组。此外，您可以在此处包含不同的例外情况：

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

如果找到多个匹配，我想只保留找到的最大尺寸

你不能用正则表达式做到这一点。在代码中循环以找到最大的。

结果：

根据这些条件，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})

DEMO

要检查的额外条件

也许，以下选项之一变得有用，以减少误报：

不允许在换行后匹配。
如果在＆＃34; nodule＆＃34;之间完全停止，请不要匹配。和数字。
寻找措施附近的日期。

Answer 4

关于这个问题，我最终使用nltk模块将报告标记为单个句子。适用于所有实例的最终正则表达式是：

$location.path('/search/query/' + encodeURIComponent($scope.searchTerm) );

所以在这个例子中，我最终没有做一个负面的后视，而是做了一个捕捉组。

感谢大家的意见。

Python Regex Negative Lookbehind

4 个答案:

结果：

要检查的额外条件