当包含特定字符时，使用变量不工作的python正则表达式

Question

我正在研究一些药物的数据收集，我想从产品描述中提取整个句子中的剂量。每种活性物质(DCI)都有一个剂量，这些物质都是在一份清单中输入的。每个DCI的剂量通常是在description中其名称之后。

我在用：

teste=[]
for x in listofdci:
   teste2 = [f"{x}{y}" for x,y in re.findall(rf"(?:{x})\s*(\d+(?:[.,]\d+)*)\s*(g|mg|)",strength)]
   teste.extend(teste2)

除了变量包含()或+的情况外，它工作得很好，例如：

listofdci = [' Acid. L(+)-lacticum D4']
description = ' Acid. L(+)-lacticum D4 250 mg'
#error: nothing to repeat

#

listofdci = ['Zinkoxid', '(+/–)-α-Bisabolol', 'Lebertran (Typ A)', 'Retinol (Vitamin A)', 'Colecalciferol (Vitamin D3)']
description = 'Zinkoxid 13 g, (+/–)-α-Bisabolol 0,026 g (eingesetzt als Dragosantol-Zubereitung), Lebertran (Typ A) 5,2 g, Retinol (Vitamin A) 24,5 mg (entspr. 41 600 I.E. Retinolpalmitat [enth. Butylhydroxyanisol, Butylhydroxytoluol]), Colecalciferol (Vitamin D3) 10,4 mg (entspr. 10 400 I.E. mittelkettige Triglyceride [enth. all-rac-α-Tocopherol])'
#error: nothing to repeat
#Here he collects the first dosage -> ['13g'] and then outputs the error

#

listofdci = [' Efeublätter-Trockenextrakt']
description = ' Efeublätter-Trockenextrakt (5-7,5:1) 65 mg - Auszugsmittel: Ethanol 30% (m/m)'
#[]
#here it outputs an empty list

理想情况下，我想拥有：

listofdci = [' Acid. L(+)-lacticum D4']
description = ' Acid. L(+)-lacticum D4 250 mg'
#['250mg']

#

listofdci = ['Zinkoxid', '(+/–)-α-Bisabolol', 'Lebertran (Typ A)', 'Retinol (Vitamin A)', 'Colecalciferol (Vitamin D3)']
description = 'Zinkoxid 13 g, (+/–)-α-Bisabolol 0,026 g (eingesetzt als Dragosantol-Zubereitung), Lebertran (Typ A) 5,2 g, Retinol (Vitamin A) 24,5 mg (entspr. 41 600 I.E. Retinolpalmitat [enth. Butylhydroxyanisol, Butylhydroxytoluol]), Colecalciferol (Vitamin D3) 10,4 mg (entspr. 10 400 I.E. mittelkettige Triglyceride [enth. all-rac-α-Tocopherol])'
#['13g','0,026','5,2g','24,5','10,4']

#

listofdci = [' Efeublätter-Trockenextrakt']
description = ' Efeublätter-Trockenextrakt (5-7,5:1) 65 mg - Auszugsmittel: Ethanol 30% (m/m)'
#[65mg]

除了可能将每个()或+从数据集中移除之外，我不知道如何避开这个特定的问题。此外，因为这些字符可以出现在字符串的每个部分，所以我认为我无法使用集合来识别它们：'[]‘

Answer 1

如果关键字和数字之间的括号内有一个可选的子字符串，则可以使用

teste=[]
for x in listofdci:
    test2 = [f"{x}{y}" for x,y in re.findall(rf"{re.escape(x)}(?:\s*\([^()]*\))?\s*(\d+(?:[.,]\d+)*)\s*(m?g\b|)", description)]
    if test2:
        teste.extend(test2)

见Python演示。

详细信息

• {re.escape(x)} -转义关键字
• (?:\s*\([^()]*\))? -一个可选的序列，包括零或多个空白空间、(、除(和)之外的零或多个字符，然后是)。
• \s* -零或多个空白空间
• (\d+(?:[.,]\d+)*) -一个或多个数字，然后是零或多个. / ,序列和一个或多个数字。
• \s* -零或多个空白空间
• (m?g\b|) - m，mg作为整词，或空字符串.