📚 课程目录第2章 HL7 v2消息结构解剖

2. HL7 v2消息结构解剖

HL7 v2 的互操作性，本质上建立在一套“可切分、可定位、可回填”的文本结构之上。一条消息看起来像一串被竖线、尖号、波浪号切开的字符，但工程上必须把它理解为五层嵌套模型：消息（Message）→ 段（Segment）→ 字段（Field）→ 组件（Component）→ 子组件（Sub-Component）。只有把每一层的边界和分隔符规则吃透，后续做解析、映射、校验、回写时才能定位到唯一坐标，而不是靠字符串截取碰运气。

五层结构：从整条消息到最小可寻址单元

最外层是消息，一条消息由若干段按顺序组成，段与段之间用段分隔符（通常为回车 \r，即十六进制 0x0D）分隔。每个段以三个大写字母的段名开头，例如 MSH、PID、PV1、OBX。段名之后紧跟字段分隔符，再往后是各字段。字段是段内由字段分隔符切分出来的位置单元，字段内部若需要表达复合信息，就用组件分隔符切成组件；组件内部若还要再细分，就用子组件分隔符切成子组件。重复字段则用重复分隔符表达同一字段的多个取值。

这五层不是抽象概念，而是解析器里真实存在的递归下降路径。以最常见的 PID-5（患者姓名）为例：PID 是段，5 是字段序号，字段值 ZHANG^SAN^A^JR^DR 中的 ZHANG、SAN、A、JR、DR 分别是第 1 到第 5 个组件，依次对应姓、名、中间名、后缀、前缀。若某个组件本身还是复合值，例如 PID-3 患者标识中的 123456^^^MRN^MR，则第 4 组件 MRN 是分配机构，第 5 组件 MR 是标识类型；再往下若出现 &，才进入子组件层。

分隔符规则：MSH-1 与 MSH-2 是整条消息的“元数据”

HL7 v2 最容易被忽视、也最容易出错的一点是：分隔符本身不是硬编码常量，而是由消息自己声明的。声明位置就在 MSH 段的前两个字段：MSH-1 是字段分隔符，MSH-2 是编码字符（Encoding Characters），按固定顺序给出组件分隔符、重复分隔符、转义字符、子组件分隔符。标准默认值为：

MSH|^~\&|SENDING_APP|SENDING_FAC|RECEIVING_APP|RECEIVING_FAC|20240515103000||ADT^A01|MSG00001|P|2.5\r

这里 MSH-1 是 |，MSH-2 是 ^~\&，依次表示组件分隔符 ^、重复分隔符 ~、转义字符 \、子组件分隔符 &。解析器必须先读 MSH-1 和 MSH-2，才能正确切分后续所有段。如果发送方把字段分隔符改成 #，那么整条消息的切分规则都要跟着变，接收方不能假设它一定是竖线。工程上常见的做法是：解析入口先取前 4 个字符，第 4 个字符即 MSH-1，第 5 到第 8 个字符即 MSH-2 的四个编码字符，再据此初始化分词器。

注意：MSH-1 和 MSH-2 是“自描述”的，但 MSH-2 内部四个字符的顺序是固定的，不能因为某个字符没出现就跳过位置。例如组件分隔符缺失时，仍要保留占位，否则后续重复分隔符、转义字符、子组件分隔符会整体错位。

消息实例逐层拆解

下面给出一条教学示例消息（示例数据，非实测结果），用于逐层定位：

MSH|^~\&|HIS|HOSP_A|LIS|HOSP_B|20240515103000||ADT^A01^ADT_A01|MSG00001|P|2.5
PID|1||123456^^^MRN^MR~789012^^^SSN^SS||ZHANG^SAN^A^JR^DR||19800101|M|||NO.1 ROAD^SUITE 5^BEIJING^BJ^100000^CHN^H||13800000000
PV1|1|I|WARD01^ROOM02^BED03||||1234^LI^MING|||SUR|||||||1234^LI^MING

逐层看：第一段 MSH 声明了分隔符和消息类型 ADT^A01^ADT_A01，其中 ADT 是消息类型，A01 是触发事件，ADT_A01 是消息结构 ID。第二段 PID 中，PID-3 是患者标识列表，用 ~ 重复出两个标识：123456^^^MRN^MR 和 789012^^^SSN^SS，每个标识内部又用 ^ 切成 5 个组件。第三段 PV1 中，PV1-3 是病房位置，WARD01^ROOM02^BED03 三个组件分别表示病区、房间、床位；PV1-7 和 PV1-17 是医生字段，值 1234^LI^MING 中 1234 是 ID，LI 是姓，MING 是名。

如果要把 PID-5 的姓回填到数据库，解析路径就是：先按 \r 切段，找到段名 PID；再按 | 切字段，取第 5 个字段；再按 ^ 切组件，取第 1 个组件。若字段内出现 ~，说明该字段有重复值，需要先按 ~ 展开再逐项处理。若组件内出现 &，则继续按子组件切分。这个“先段、后字段、再组件、最后子组件”的顺序，是 HL7 v2 解析的稳定路径。

工程实现中的关键判断

实际开发时，解析器不能只按默认分隔符写死。正确做法是：先读取 MSH 段的前 8 个字符，第 4 个字符作为字段分隔符，第 5 到第 8 个字符作为四个编码字符，再据此构建分词规则。对于缺失字段，HL7 v2 用连续两个字段分隔符表示空字段，例如 PID|1||123456 中 PID-2 为空；解析时必须保留位置，不能因为空值就跳过，否则后续字段序号会整体前移。对于重复字段，先按 ~ 展开，再对每个重复项按组件、子组件逐层处理。对于转义字符 \，常见转义序列如 \F\ 表示字段分隔符本身、\S\ 表示组件分隔符、\R\ 表示重复分隔符、\E\ 表示转义字符，解析时要在切分之前先做转义还原，否则会把数据内容误判为结构分隔符。

建议在解析入口处先做一次“分隔符探测 + 转义还原”，再进入段、字段、组件、子组件的递归切分。这样即使发送方使用非默认分隔符，或字段值里包含被转义的分隔符，也能稳定定位到目标节点。

把五层结构和分隔符规则固化下来之后，后续做消息映射时就可以用“段名 + 字段序号 + 组件序号 + 子组件序号”的唯一坐标描述任意数据点。例如 PID-5-1 表示患者姓，PID-3-4 表示患者标识的分配机构，PV1-3-3 表示床位。这个坐标体系是 HL7 v2 接口开发中最基础的“寻址语言”，也是后续做校验、转换、回写和排障时最可靠的定位依据。