我正在尝试从大量回声报告中提取特定类型心脏功能障碍（舒张功能障碍）的程度（ Mild/ Moderate/ ）。Severe
线条通常这样表达：“轻度LV 舒张功能障碍”或“轻度舒张功能障碍”。在这里，“温和”是我要提取的。
我写了以下模式：
pattern <- regex("(\\b\\w+\\b)(?= (lv )?(d(i|y)astolic|distolic) d(y|i)sfunction)",
ignore_case = FALSE)
现在，让我们看看结果（记住我想要“轻度”部分而不是“LV”部分）：
str_view_all(df$echo, pattern)
正如您在“轻度舒张功能障碍”之类的字符串中看到的那样，模式正确选择了“轻度”，但是当涉及到“轻度 LV 舒张功能障碍”时，模式选择了“LV”，即使我已经在lv内部引入了一个积极的前瞻(?= ( lv)?)结构。
有人知道我在做什么错吗？
问题是\w+匹配任何一个或多个单词字符，并且前瞻不会消耗它匹配的字符（正则表达式索引保持在原来的位置）。
因此，LV被匹配，\w+因为它diastolic dysfunction紧随其后，并且 ( lv)?是一个可选lv组（之前可能没有空格+ diastolic dysfunction）用于\w+匹配）。
如果您不想匹配LV，请添加一个否定的前瞻来限制\w+匹配的内容：
\b(?!lv\b)\w+\b(?=(?:\s+lv)?\s+d(?:[iy]a|i)stolic d[yi]sfunction)
查看正则表达式演示
另外，请注意这[iy]是一种更好的编写方式(i|y)。
在 R 中，您可以将其定义为
pattern <- regex(
"\\b(?!lv\\b)\\w+\\b(?=(?:\\s+lv)?\\s+d(?:[iy]a|i)stolic\\s+d[yi]sfunction)",
ignore_case = FALSE
)
使用\w+也可以匹配LV，lv 部分是可选的。
您还可以使用捕获组，而不是前瞻。
\b(?!lv)(\w+)\b (?:lv )?(?:d[iy]astolic|distolic) d[iy]sfunction