Question

在SAS中，我正在设置PXPARSE函数，以从调查的自由文本答案中提取有意义的信息。在大多数情况下，我这样做都是没有问题的。但是，尽管我已经尽了最大的努力，但我已经开始需要环顾四周，但现在却遇到了不正确的比赛。

这是正在评估的表达式：

hlhx=PRXPARSE('/yes|(?<!no).*homeless.*(for|in|year|age)|at\sage|couch|was\shomeless|multiple|
                        lived.*streets|(?<!\bnot).*at\srisk|has\sbeen|high\srisk|currently\shomeless|
                        liv(es|ing|ed).*car|many|(?<!\bno).*(hx|history|h.?o)|(?<!\bno)(?<!low).+risk/ox');

几个响应不应该与该表达式匹配，但是可以：

no hx of homelessness and low risk of homelessness
owns home, no h/o homelessness; low risk for homelessness
no and little risk

很显然，我没有正确指定我的隐身之处。任何帮助将不胜感激。

编辑：要说得更清楚一点，表达式的哪一部分导致与列表中的条目相匹配？

最好，劳伦

Answer 1

这是您的正则表达式与no and little risk匹配的方式：

正则表达式中的一个分支是...|(?<!\bno)(?<!low).+risk。

regex引擎首先在目标字符串中的每个位置尝试匹配，从头开始：

no and little risk
^

第一个约束是，当前位置不能在单词边界之后加上“ no”（由于(?<!\bno)）。满足此条件：目标字符串的开头没有任何前缀。

第二个约束是当前位置不能以“ low”开头（由于(?<!low)）。此条件也得到满足（请参见上文）。

然后，我们匹配一个或多个非换行符，但是要尽可能多地匹配它们（这是.+部分）。在这里，我们首先使用整个字符串：

no and little risk
------------------^

但是正则表达式要求匹配risk，该匹配失败（目标字符串中没有剩余的字符）。这会导致.+回溯并消耗越来越少的字符，直到发生这种情况：

no and little risk
--------------^

此时，risk成功匹配，并且正则表达式完成。

基本问题是您想做的是(?<!\bno.+)(?<!low.+)risk，但是您写的是(?<!\bno)(?<!low).+risk。这是两个截然不同的东西！

前者的意思是“匹配'risk'，但前提是在字符串的任何位置（在'risk'之前最多1个字符）之前都没有'no'或'low'。后者的意思是“匹配任何非空的子字符串，后跟“风险”，只要它前面没有“否”或“低”。这使正则表达式引擎可以自由地在字符串中查找任何匹配的位置，只要它不立即以“ no”或“ low”开头，并且在某处后面是“。+ risk”即可。

不幸的是，(?<!\bno.+)不是有效的正则表达式，因为后置断言必须具有固定的长度。

一种可能的解决方法是执行以下操作：

^(?!.*(?:\bno|low).+risk).*risk

这是说：从字符串的开头开始，首先确保没有“ no”或“ low”，然后在任何地方都没有“ risk”，然后在字符串中的任何地方匹配“ risk”。

这与（假设的）可变宽度后向版本并不完全等效，因为该版本已经匹配

risk no risk
^^^^

由于存在“风险”而没有“否”，因此首先找到了此解决方法

risk no risk
     ^^^^^^^

并立即拒绝整个字符串。

Perl正则表达式负向后查找不正确匹配（SAS）

1 个答案: