如何按首个数字字符解析字符串变量以拆分药名与剂量？

针对你提供的药物名称字符串，可通过正则表达式精准拆分出药名和剂量，替代strkeep的方案如下：

步骤1：准备示例数据（若已有数据可跳过） #

frame create test
frame change test
input str109 med_name
"NITROFURANTOIN MACROCRYSTAL 100 MG CAPSULE"
"ACETAMINOPHEN 500 MG TABLET"
"APIXABAN 5 MG TABLET"
"ATOVAQUONE 500 MG/5 ML ORAL SUSPENSION"
"ATOVAQUONE 750 MG/5 ML ORAL SUSPENSION"
"ATOVAQUONE 750 MG/5 ML ORAL SUSPENSION"
end

步骤2：拆分药名与剂量 #

提取药物名称 #

提取首个数字出现前的所有文本，并去除末尾多余空格：

gen drug_name = ustrtrim(regexr(med_name, "[0-9].*", ""))

• 逻辑：用regexr将字符串中第一个数字及之后的所有内容替换为空，再用ustrtrim清理首尾空格。

提取剂量（含单位） #

精准匹配数字+单位部分（排除末尾剂型如CAPSULE/TABLET）：

gen dosage = ustrtrim(regexs(1)) if regexm(med_name, "([0-9].*?)\s+(CAPSULE|TABLET|ORAL SUSPENSION)")

• 逻辑：用regexm匹配从数字开始、到剂型前的内容，通过regexs(1)提取匹配到的剂量部分，再清理空格。

如果不需要区分剂型，希望剂量包含剂型内容，可简化为：

gen dosage = ustrtrim(regexr(med_name, "^[^0-9]*", ""))

• 逻辑：将字符串中开头到第一个数字前的所有内容替换为空，直接得到从数字开始的完整后续内容。

结果验证 #

执行上述命令后，你会得到两个新变量：

• drug_name：存储纯药物名称（如NITROFURANTOIN MACROCRYSTAL、ACETAMINOPHEN）
• dosage：存储剂量+单位（如100 MG、500 MG/5 ML）

内容的提问来源于stack exchange，提问作者Ryan