Question

我正在尝试解析一组字符串。我需要弄清楚是否＆＃39; bcl-2＆＃39;在样品中检测到。例如：＆＃34;在45％的患者中检测到bl-2＆＃34;。然而，某些可能的变化具有挑战性：

1。＆＃34; bcl-2检测到45％bcl-6 未检测到＆＃34;
2.＆＃34; bcl-2 不检测到bcl-6被检测到45％＆＃34;
3.＆＃34; 没有 bcl-2 bcl-6的证据在45％＆＃34;

中被检测到

所以我试图定义正则表达式代码： 1.预测＆＃39; bcl-2＆＃39;
然后，从那一点开始前瞻，以便检测到＆＃39;
3.然后在＆＃39; bcl-2＆＃39;之间看后面并且＆＃39;检测到＆＃39;确保没有＆＃39;没有＆＃39; 4.如果可能，请在背后＆＃39; bcl-2＆＃39;确保没有证据表明＆＃39; （虽然我可以单独处理这个条件）

我尝试了以下不起作用的代码。具体来说，它并不是落后的，所以我猜测有一些我缺失的背后隐藏的东西。

此正则表达式适用于＆＃34; bcl-2 未检测到＆＃34;但失败的＆＃34; bcl-2被检出45％bcl-6被检测到＆＃34;

y="bcl-2 was detected in 45% bcl-6 was not detected"
grepl("(?=bcl-?2)(?!.*not)(?=.*detected)",y, ignore.case = T,perl=T)

所以我认为这会奏效，但事实并非如此：

grepl("(?=bcl-?2)(?=.*detected)(?<!not)",y, ignore.case = T,perl=T)

我试图理解lookbehind的逻辑。关于最后一行代码 - ＆gt;我认为（？= bcl-？2）向前看直到字符串中以＆＃39; bcl-2＆＃39;开头的点。然后，我认为（？=。*检测到）向前看，直到字符串中检测到的位置为止。开始。然后我觉得lookbehind开始从那个位置向后看，而不是＆＃39;。这当然是错误的...所以我错过了关于环视逻辑

的内容

BTW我一直在使用的一个很棒的网站，试图解决这个问题 https://www.regular-expressions.info/recurse.html

Answer 1

Lookarounds是零宽度断言，这意味着当模式匹配时，正则表达式索引不会移动（匹配的字符不会添加到匹配值中，并且连续的外观都会从同一位置开始进行模式检查）。因此，(?=bcl-?2)(?!.*not)(?=.*detected)匹配一个空的位置（空字符串），后跟bcl2或bcl-2，除了换行符之外的任何0 +字符之后没有not子字符串，除了换行符之外的任何0+字符后面跟着detected。在输入字符串中的每个位置都尝试此模式，因为没有锚点。这种模式很难做到你所需要的。

这是一个可能的解决方案：

\bbcl-2\b(?:(?!\bbcl-\d|\bnot\b).)*?\bdetected\b

请参阅regex demo：

\b - 字边界
bcl-2 - bcl-2子字符串
\b - 字边界
(?:(?!\bbcl-\d|\bnot\b).)*? - （a tempered greedy token）除了不会启动以下两个序列的换行符之外的任何0+（但尽可能少）的字符：
- \bbcl-\d - 一个后边距bcl-和一个数字
- | - 或
- \bnot\b - 整个字not
\bdetected\b - 整个字detected

请参阅下面的R demo：

x <- c("bcl-2 was detected in 45% bcl-6 was not detected", 
"bcl-2 was not detected bcl-6 was detected in 45%",
"no evidendce of bcl-2 bcl-6 was detected in 45%")
grep("\\bbcl-2\\b(?:(?!\\bbcl-\\d|\\bnot\\b).)*?\\bdetected\\b", x, perl=TRUE, value=TRUE)
## => [1] "bcl-2 was detected in 45% bcl-6 was not detected"

在R中预测，以便按顺序识别单词模式

1 个答案: