庖丁解牛切割数据！| 【SAS Says·扩展篇】

【SAS Says·扩展篇】庖丁解牛割数据！ | 3. call PRXSUBSTR ()

0. 前集回顾

1. 新的问题

2. 初识 PRXSUBSTR()

3. 问题解决

0. 前集回顾：

刚毕业的小王来到一家零售公司的数据部门做一名分析师，上班的第一天，产品部的妹子就找他来解决一个问题：

数据库中有一份长长的产品名单，名单中有的是产品的名字，有的是产品的编号，产品部的妹子只想要产品的编号的那些行（下图红色字体的），以做更深一步的分析。

(01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuophone (12) 6753-5513 None here PD(12)6434-4532 P&DWashing ......（未显示完）

红色字体的编号似乎看起来没有什么容易把握的规律：占位符不一样、也不全都是数字、有的行的括号后面还有空格等等，小王利用正则表达式，一分钟不到就解决了。

a=PRXMATCH("/\(\d\d\) ?\d{4}-\d{4}/", name); if a GT 0 then output;

这是第一集的内容：

我们也可以用PRXPARSE()先将正则表达式存起来：

pattern=PRXPARSE("/\(\d\d\) ?\d{4}-\d{4}/") a=PRXMATCH(pattern, name); if a GT 0 then output;

这是第二集的内容：

提取的结果如下：

1. 新的问题

产品部门的妹子发现了一个新问题：

PC Pro4321S: (09) 1352-3154

这一行产品的名字和产品编号混在了一起，以前的代码可以将这行整行都留下来，但是，产品部的妹子表示，她希望可以把名字给屏蔽掉，只保留编号。

好吧，我们的处理方式可能要变一下，现在我们的产品名单中，就多了一行：

(01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuo phone (12) 6753-5513 None here PD(12)6434-4532 P&D Washing PC Pro4321S: (09) 1352-3154

我们要留下红色字体的行，因为他们包含了产品编号，并且还要把，非编号的部分去掉，比如最后一行的PC Pro4321S:部分。

这里咱们推荐使用PRXSUBSTR+substr组合的方式。

2. 初识PRXSUBSTR()

这个函数用来获取一段特定字符在一句话中的详细位置：开头、结尾、占位长度，它的格式为：

Call PRXSUBSTR( pattern-id,string, start, <length> )

• 用call语句来调用这个函数。
• 这里的正则表达式只能用pattern-id的方法了（见第二集）。
• 语句将返回两个参数：start开始位置、length字符长度。

这样，我们就获取了pattern-id在string里的起始位置、长度，然后再用substr()就可以在string中只提取出正则表达式的内容。

先看一个简单的例子：

下面有两句话：

String1=”Shushuo jun I love uvery much !” String2=”Jack Ma I love u verymuch !”

提取出“Shushuo jun”，如果有的话就提取出来，如果没有的话就什么都不提取。实现代码如下：

data_null_; string1="Shushuo jun I love u very much!"; string2="Jack Ma I love u very much !"; *提取出string里的Shushuojun; pattern=PRXPARSE('/Shushuo jun/'); call PRXSUBSTR(pattern, string1, start1,length1); call PRXSUBSTR(pattern, string2, start2,length2); a=substr(string1,start1, length1); b=substr(string2,start2, length2); fileprint; put a= b=; run;

输出结果为：

3. 问题解决

现在，想一下开头的那个问题，我们现在只需要将产品编号提取出来。

data production; if _N_=1then pattern=PRXPARSE("/P?D?\(\d\d\) ?\d{4}-\d{4}/"); retain pattern; input name $char40.; length id $ 20; call PRXSUBSTR(pattern,name,start,length); if length GT 0thendo; id=substr(name,start,length); output; end; keep id; datalines; (01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuophone (12)6753-5513 None here PD(12)6434-4532 P&DWashing PC Pro4321S:(09) 1352-3154 ; procprintnoobs; title'Production ID'; var id; run;

输出结果为：

任务完成了。

等一等，产品部的妹子说：

“有的编号里，括号后面带空格，你也给提取出来了，太感谢你了，干脆好人做到底，再帮我把编号里的这个空格去掉吧~”

“我ci~ao~”

好吧，这个问题其实也非常的简单，只需要在这段代码

if length GT 0thendo; id=substr(name,start,length); output; 的output前面加一句：id=compress(id, “ ”);

就可以了。