在R中查找，以便按顺序识别单词的模式

Question

我正试图解析一组字符串。我需要找出样品中是否检测到'bcl-2‘。例如：“在45%的患者中检测到bl-2”。然而，有一些可能的变化是具有挑战性的：

1. 45%的bcl-6是而非检测到bcl-2。

1. "bcl-2为而非，检测到bcl-6的阳性率为45%“
2. “45%检出bcl-2 bcl-6的无证据”

因此，我试图定义regex代码，以便：

1. 展望'bcl-2‘
2. 然后，从那个点开始寻找“检测到的”
3. 然后查看后面的 'bcl-2‘和’检测‘之间，以确保没有’不‘。
4. 如果可能的话，看看后面的 'bcl-2‘，以确保’没有证据‘(虽然我可以单独处理这个情况)。

我尝试了下面的代码，但不起作用。具体来说，它不回头看，所以我猜想，有一些内在的东西，我错过了。

该判据适用于"bcl-2未检测到bcl-2“，而"bcl-2在45% bcl-6未检测到bcl-6未检测到”则未检测到bcl-2。

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

所以我以为这会成功，但却没有：

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

我正在努力理解背后的逻辑。关于最后一行代码->，我认为(?=bcl-?2)期待到字符串中以'bcl-2‘开头的点。然后，我认为(?=.*detected)期待到字符串中“检测到”开始的位置。然后，我想回头看，从那个位置开始寻找‘不’。这当然是错误的..。那么我错过了什么关于查找逻辑

顺便说一句，我一直在使用一个伟大的网站，试图找出这个https://www.regular-expressions.info/recurse.html。

Answer 1

查找是零宽度断言，这意味着当模式匹配时regex索引没有移动(匹配的字符没有添加到匹配值中，并且连续的查找都从相同的位置开始它们的模式检查)。因此，(?=bcl-?2)(?!.*not)(?=.*detected)匹配一个空位置(空字符串)，该位置后面跟着是bcl2或bcl-2，在除行中断字符之外的任何0+字符之后没有not子字符串，在除行中断字符之外的任何0+字符之后都是detected。此模式在输入字符串中的每个位置尝试，因为没有锚点。这种模式很难满足你的需要。

以下是一个可能的解决方案：

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

见regex演示

• \b -一个单词边界
• bcl-2 -一个bcl-2子字符串
• \b -一个单词边界
• (?:(?!\bbcl-\d|\bnot\b).)*? - (a 脾气暴躁的象征)除行中断字符以外的任何0+ (但尽可能少)字符，这些字符不会启动以下两个序列：
  • \bbcl-\d - wor边界，后面跟着bcl-和一个数字
  • | -或
  • \bnot\b -一个完整的词not

​

• \bdetected\b -一个完整的词detected

请参见下面的R演示：

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"