查找后跟一个子字符串但不跟另一个子字符串的子字符串模式

Question

我有医院数据（opcs、NHS），其中包含程序代码，后跟指示偏侧性的代码。

使用 Regex 和 R，我想识别字符串中的过程代码，该代码后面跟随其他过程代码，然后是横向代码。

但是，匹配不得包含兴趣程序代码，该程序代码后跟不同的偏侧性代码。示例：

string <- ("W100 Z923 W200 A456 W200 B234 A234 Z921")

我要匹配的内容："W100|W200"

后面必须跟随的内容："Z921" 例如应与此 W200 B234 A234 Z921 匹配

，但后面不得为："Z922|Z923" 例如不应该匹配此 W100 Z923 W200 A456 W200 B234 A234 Z921

我尝试过的：

#match the procedure follow by Z921: 
(W100|W200).{1,}?Z941 

# I do not know how to add a negative look back to exclude matches without stopping this working, I have tried this, but it fails:
((W100|W200).{1,}Z941) (?<!Z943|Z942)

编辑：提高了问题和表示的清晰度

Answer 1

您可以使用

library(stringr)
str_extract_all(x, "\\bW[12]00\\b(?!\\s+Z92[23]\\b).*?Z941")

查看正则表达式演示。 详细信息：

• \b - 字边界
• W[12]00 - W100 或 W200 code>
• \b - 单词边界
• (?!\s+Z92[23]\b) - 如果存在零个或多个空格，则匹配失败的负向预测进而Z923 或 Z922 作为整个单词
• .*? - 任何零个或多个字符（换行符除外），尽可能少
• Z941 - 一个 Z941 字符串。