Музаффар,

1. Для чтения данных — Apache POI, как уже написали.

2. Прежде чем что-то разбирать (регулярками, самостоятельно написанным конечным автоматом, да хоть грамматику свою описывайте) — соберите больше примеров. Иначе вас ждёт много боли в процессе загрузки реальных данных.

Например, из увиденного совершенно не ясно, как будут выглядеть данные для той же но-шпы — как одна строка «Раствор для в/в введения N5 (1x5) (ампулы), Таблетки N20 (1x20), N24 (1x24) (блистер), Таблетки N60 (1x60) (флакон с дозатором)», или как три?
И не получите ли вы внезапно во входных данных что-то вроде «Лиофилизат N5 (1x5, 5 доз)»

3. Судя по тому, что в исходных данных потеряна важнейшая характеристика (дозировка), а лек.форму в результатах путают с первичной упаковкой — вас в любом случае ждёт много боли.

Музаффар1) НИКАПРИЛ - Капсулы 5 мг, 10 мг N10 (1x10), N20 (2x10), N30 (3x10), N40 (4x10), N50 (5x10), N7 (1x7), N14 (2x7), N21(3x7), N28 (4x7), N35 (5x7), N14 (1x14), N28 (2x14), N42 (3x14), N56 (4x14), N70 (5x14) (упаковки контурные ячейковые)
2) БОРЦА БЕЛОУСТОГО КОРНЕВИЩЕ С КОРНЯМИ - Лекарственное растительное сырьё 7 кг, 12 кг, (мешки), 40 кг (тюки)
Тут сразу два вопроса по формату —
1) фасовки никаприла относятся и к 5 мг, и к 10 мг, и их надо продублировать? или только к 10 мг (а что тогда с 5 мг?)
2) «12 кг, (мешки), 40 кг (тюки)» — если запятая после 12 кг не ваша, а так и написано в данных, то разница между такими данными и мусором стремительно сокращается.

Бывают ли в данных сведения о количестве без разделения по упаковкам? Т.е. «N10, N20 (флакон)» вместо «N10 (1x10), N20 (2x10) (флакон)»

Как выглядят строки с медицинскими изделиями (бинты, катетеры, вот это вот всё)?

Музаффарбольше никаких идей?

В общем, только на регулярках я бы это делать не рискнул. Типичный человекочитаемый формат. Как раз тот случай, когда вы решаете проблему с помощью регэкспов, и теперь у вас две проблемы.

- Разбить строку на токены;
- классифицировать их (лек.форма, масса, количество, тип упаковки) — тут как раз можно с чистой совестью применять регэкспы;
- склеить соседние при необходимости, чтобы «лекарственное растительное сырье» было одним токеном, а не тремя, и «12.5 мг» — тоже одним, а не двумя;
- обработать случаи вида «Форма масса количество (упаковка1), количество (упаковка2)», приведя к нормальным «Форма масса количество (упаковка1)» и «Форма масса количество (упаковка2)» — если после упаковки есть токен, и это не лек.форма, то используем данные из предыдущего набора;
- получить декартово произведение для масс и количеств.

Работы на час-полтора. Основная проблема будет в обработке запятых:
- с одной стороны, это разделитель — подстрока «N10,N20» (без пробела) содержит 2 разных токена;
- с другой стороны, вам может встретиться лекарственная форма, в которой запятая — часть названия, и терять её нельзя (хотя фармацевты обычно пропускают запятые, даже если они нужны — «таблетки, покрытые …» пишут без запятых);
- с третьей стороны, всегда надо быть готовым получить на вход и "12.5 мг", и "12,5 мг", и "0, 75мл".