如何限制正则表达式匹配项

Question

我正在为一个诊所的项目工作，该诊所在一些实验室文档上运行OCR，然后解析数据并自动将其输入到他们的实验室系统中。原始数据是半结构化的，因此我可以通过一系列步骤按照所需顺序提取所需数据。我开始凝视墙壁已经太久了，不胜感激。

该过程如下：

• 首先通过原始文本，然后使用RegularExpressions提取ICD10 CODES，这些匹配与标准规范和特定于实验室文档的边界，包括从OCR读取的潜在伪像。
• 提取测试代码
的第二遍，不幸的是，就字符组成而言，它们的可变性要大得多。请注意，由于文档的格式化方式，文本的组成以及OCR伪像，我还必须强行设置边界。
• 经过这些遍之后，我将数据整理到一个列表中，然后以某种方式重新组织和分组。一切正常。

我用来提取测试代码

的正则表达式如下：

(?<=•\s*|\.\s*|\s*)(?<ORDER>[A-Z0-9]{3,9})(?=\s*\||\sJ\s|\sj\s|\sI\s|\s\[\s|\s\]\s)

下面是两个实际数据示例。在第一个中，除了匹配末尾的3个字符组（GFR，A1C）外，我还匹配所有测试代码（行首的4位数字）。

第二张图像看起来很理想，只匹配了测试代码。

当我的测试代码可能确实是三个字符（高位字母和数字）时，我怎么不能匹配三个字符组？

原始文本的三个示例

Adult health examination | ICD-10: ZOO.OO: Encounter for general adult medical examination without abnormal findings; Z13.6:
Encounter for screening for cardiovascular disorders;
• CBCWD | CBC w / differential | BILL: Third Party
• LIPID | lipid panel | BILL: Third Party
• THYCSCD J thyroid cascade profile | BILL: Third Party
• GLYHB | glycated hemoglobin | BILL: Third Party
• CMP | comprehensive metabolic panel | BILL: Third Party
Vitamin D deficiency | ICD - 10: E55.9: Vitamin D deficiency, unspecified
• VITD | vitamin D, 25 - hydroxy | BILL: Third Party

Feces contents abnormal | ICD-10: R19.5: Other fecal abnormalities
CXSTO1 | stool culture complete | BILL: Patient
WBCST | WBC stool | BILL: Patient
IFOBT | occult blood fecal(immunochemical) | BILL: Patient
8623 | ova and parasite exam | BILL: Patient

Fatigue | ICD-10: R53.83: Other fatigue
2834 | TSH reflex to free T4 | BILL: Third Party
1000 | CBC w/auto diff | BILL: Third Party
9180 | comprehensive metabolic panel + E-GFR | BILL: Third Party
4937 | testosterone, free/total with shbg | BILL: Third Party
2708 | hemoglobin A1C | BILL: Third Party
感谢阅读

我正在为一个诊所的项目工作，该诊所在一些实验室文档上运行OCR，然后解析数据并自动将其输入到他们的实验室系统中。原始数据是半结构化的，我可以放它了...

Answer 1

您需要更好地锚定正则表达式，并使用定期出现的管道| char：