作者lsshno1 ( )
看板Statistics
标题Re: [程式] SAS 字串搜寻
时间Mon May 11 17:38:15 2015
Hello, 这个东西刚好跟我最近在写的程式-perl regular expression有些雷同之处,
也可以参考看看.
datasets ref:
123
abc
dEf
456
datasets match: ( 如果考虑case问题,应该会选到123,abc,123abc,DEF456)
123
Abc
def
abc
123abc
DEF456
先create reference string:
data ref1;
set ref end=eof;
retain pattern;
length pattern $200.; (可自行增加长度)
if _n_=1 then pattern=cats("/",a);
else pattern=cats(pattern,"|"),a);
if eof then do;
pattern=cats(pattern,"/");
output;
end;
run;
*把pattern merge回去;
proc sql;
create table test0 as
select a.match,b.pattern
from match as a,ref1 as b;
quit;
出来的datasets应该长这样:
match pattern
123 /123|abc|dEf|456/
Abc /123|abc|dEf|456/
def /123|abc|dEf|456/
abc /123|abc|dEf|456/
123abc /123|abc|dEf|456/
DEF456 /123|abc|dEf|456/
後面就是perl regular expression的表示方式:
| 表示 or的意思,所以换句话说, 我利用prx找123或abc或dEf或456字串.
接着开始search:
data test1;
set test0;
patternid=prxparse(pattern); *把pattern读入;
if prxmatch(patternid,strip(match)); *开始找字串;
run;
这样就可以了. 如果你想找non case-sensitive的话,你就在pattern後面加上I即可:
pattern会变成 /123|abc|dEf|456/I
如果对prx有兴趣可以goolge
An introduction to Perl Regular Expressions in SAS 9
或者是直接上sas的网站, 都是很好入门的工具
prx的功能相当的强大, 我也在摸索. 希望大家一起讨论
请参考看看
谢谢
※ 引述《chien533 (谣指部总司令)》之铭言：
: ※ 引述《LinRungChuan (吉他手)》之铭言：
: : ------------------------------------------------------------------------
: : [软体程式类别]:SAS
: : [程式问题]:资料处理
: : [软体熟悉度]:一年
: : [问题叙述]:
: : 有两张table (table A 跟table B)
: : 每张各有一个column (SubStr 在table A 跟 FullStr 在table B)
: : SubStr 里面的资料 有些会是 FullStr 的部分字元, 该如何取出这些observation
: : 例如,
: : SubStr FullStr
: : abc pabcp
: : def ppdefppp
: : ghi pjklp
: : abcp
: : ppppabcpp
: : pmnop
: : defppp
: : 我想取出的资料为
: : pabcp
: : ppdefppp
: : abcp
: : ppppabcpp
: : defppp
: : 若是单一 一个几串 我都用index找, 例如index(FullStr, 'abc')
: : 但一整个column index好像 不管怎麽回传都是0, 也试过 用string array
: : 把array放到 index里面 例如index(FullStr, Arr{1}) 但也是回传0
: : 有人知道 用啥方式可以达到我要的table吗
: : 感谢
: : -----------------------------------------------------------------------------
: 关键是那个当索引的Substr资料要转置成横的并且变成一个巨集变数：
: data temp1;
: input SubStr $;
: cards;
: abc
: def
: ghi
: ;
: proc transpose data=temp1 out=temp1_t; var SubStr; run;
: data temp1_t;
: set temp1_t;
: string = catx(" ", of col1-col3);
: call symput('string', string);
: run;
: 然後把他丢进主档，利用scan变数去一个个把巨集变数里面的各个索引抓出来跟每一个
: 主档的资料作比对，并且分别存在不同的新变数里面。然後把这些新变数加总，当总和
: 出现零的时候变数那笔资料没有任何一部份的字串出现在索引里面，因此可以删除：
: data temp2;
: input FullStr $;
: cards;
: pabcp
: ppdefppp
: pjklp
: abcp
: ppppabcpp
: pmnop
: defppp
: ;
: data temp3;
: set temp2;
: string="&string";
: array a[3] idx1-idx3;
: do i = 1 to 3;
: a[i] = index(fullstr, scan(string, i));
: end;
: if mean(of idx1-idx3) ne 0;
: drop idx1-idx3 i;
: run;
: 这个作法有一个限制就是当索引转置合并後太长，超过SAS容许的字串最大长度的话，
: 就必需要把索引拆成数份来分别处理。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 124.219.44.195
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1431337097.A.191.html
※ 编辑: lsshno1 (124.219.44.195), 05/11/2015 17:39:38
※ 编辑: lsshno1 (124.219.44.195), 05/11/2015 17:41:47