1. PRXMATCH () | 提取文本数据,分析师小王初上手!

【SAS Says·扩展篇】分析师小王初上手! | 1. PRXMATCH ()

本集目录:

0. 小王初上手

1. 初始PRXMATCH()

2. metacharater

2.1 什么是metacharater?

2.2 例子

2.3 metacharater总结

3. 问题解决

3.1 问题重述

3.2 问题理解

3.3 解决代码


0. 小王初上手

小王毕业了,才刚刚入职,公司为他做了张名片,名片上写着:

“小王 - 数说国际零售公司 - 数据分析部 - 初级数据分析师”

刚刚毕业的小王,是一位数据分析的新手,在公司里他负责为产品部提供所需的数据,并做分析和决策的辅助。

上班第一周,他就遇到了一个问题,这天,产品部的一个妹子找他来帮忙,问题是这样的:

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,这怎么提取呢?

你是否在绞尽脑汁的想各种字符串函数、想各种匹配的规则,比如用substr(name,1,1) in (“(“,”P”),这个不行,因为有的非编号的行开头也可能是P、或者PD等......

可以歇歇了,因为小王只用了1分钟不到,就把代码写好并提取出来了,我们先来看下他的代码:

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

结果为:

这代码是个什么玩意儿啊?

这些看起来像乱码的东西就是正则表达式和元字符,下面,我们就从一个函数PRXMATCH()来入手,学习一下如何使用正则表达式。

1. 初识PRXMATCH()

这个函数用来定义一段字符在一句话中的位置,它的格式为:

PRXMATCH ( pattern-id or regular-expression, string )

pattern-id大家先别管,这个函数的作用就是:看regular-expression 在 string 中的位置。

举个例子:

data _null_; STRING="I love Shushuo jun"; a=PRXMATCH("/Shu/",STRING); file print; put a=; run;

结果为:

Shu在I love Shushuo jun中的位置是8。

我们来解释一下 “/Shu/”

这是一个SAS的正则表达式例子,或者说,这是Perl正则表达式的例子,因为SAS里的正则表达就是按照Perl来的。

好吧,有点绕口,您请看下面这个图:

也就是说,这个双引号是SAS的语法,但里面的内容是标准的Perl正则表达式,看到那个斜杠 / 没有?那是默认的Perl分隔符。

如果您因此认为应该去找一本Perl的书去啃一啃,那就误会我的意思了,我只是告诉你这个事实而已,您只要关注数说工作室的连载就可以弄明白正则表达式。当然拿一本Perl的书学一学也是极好的。

好了,下面我们就要重点研究一下两腿之间....哦不,两个斜杠//之间的秘密,我们可以在两个斜杠之间放置一些元字符(metacharacter),来简化一些很复杂的表达。

2. metacharacter

2.1 什么是metacharacter?

metacharacter用来简化表达某种意思,比如在word中我们都知道\t代表的是制表符,那么在SAS正则表达式中也类似有:

^代表一段话的开头,

$代表一段话的结束,

\s代表的是一个空格(space)

……

他们就是metacharacter。

很抽象吧?所以我才要结合这个PRAXMATCH来介绍metacharater…

2.2 例子

来看一段代码:

data _null_; string1 = "I love Shushuo jun"; string2 = "Shushuo jun loves you"; a = PRXMATCH("/^Shu/",string1); b = PRXMATCH("/^Shu/",string2); file print; put a= b=; run;

运行结果如下:

所以简单来说,PRXMATCH(“/^Shu/”,string)匹配的是string的开头:开头是Shu,那么返回1,开头不是,则返回0。

string1开头不是Shu,故a返回0,string开头是Shu,故返回1。

我们学习了 ^ 这个metacharacter,它代表开头匹配,再学习几个:

  • $代表结尾匹配;
  • i代表不区分大小写;
  • \d 匹配任何某1个以上数位
  • \d\d\d 匹配任何某3个以上数位

先对这四个元字符举例:

data _null_; string1="I love Shushuo jun"; string2="Shushuo jun loves you"; a=PRXMATCH("/jun$/",string1); b=PRXMATCH("/jun$/",string2); c=PRXMATCH("/JUN/i",string1); d=PRXMATCH("/JUN/",string1); string3="12"; string4="12a"; string5="122"; string6="1222"; e=PRXMATCH("/\d\d\d/",string3); f=PRXMATCH("/\d\d\d/",string4); g=PRXMATCH("/\d\d\d/",string5); h=PRXMATCH("/\d\d\d/",string6); file print; put a= b= c= d= e= f= g= h=; run;

运行结果为:

解释:

1)注意$和i的使用位置:”/jun$/”和”/jun/i”,一个在斜杠里,一个在外。

2)a和b中,只有a返回了jun的位置,因为string1中,jun在末尾。

3)c和d中,只有c返回了,因为JUN是大写,必须用i符号,表示不区分大小写。

4)e、f返回的是0,因为\d\d\d要求必须至少要有3个数位。所以g、h返回的是1。

2.3 metacharater总结

我们给出一些metacharater总结,供以后使用的时候查询:

正则表达式

String

返回

不匹配(返回0)

/jun/

“Shushuo jun”

9

“Shushuo shuai”

/^jun/

“jun, I love you”

1

“I love you, jun”

/jun$/

“I love you, jun”

13

“jun, I Iove you”

/jun/i

“Shushuo jUn”

9

“Shushuo, xiong”

/\d\d\d /

“111”, “123”, ”328”…)

1

“1256”, “87”…

/\d\d\d?/

“123”, “42”…(2或3个数位)?可以让前面那一个字符可有可无

1

“1”, “1a1”, “4 9”…

/\d\d\d /

“123”, “345454”…(>=3个数位)+可以返回前面表达式+更多任何位

1

“1”, “12”…

/\d\d\d*/

“123”, ”12”, “3212”…(>=2个数位)*返回前面表达式少一位或更多任何位

1

“1”,”xyx”…

/\d{n}/

{n}表示匹配前面数位的n倍{n,}表示匹配前面数位n倍以上{n,m}表示匹配前面数位n倍以上,但不超过m倍

/s.u/

“shu”, ”s1u”, ”swwwwu”, ”s u”

1

“su”, “qu”…

/[1-5]\d[6-9]/

“269”,”537”…(首位是1-5、末尾是6-9的数)

1

“769”,”243”…

/(\d|x)\d/

“23”, “x6”…(\d|x表示数位或者字符串x)x|y表示匹配x或y

1

“2e”,”ty”…

/[^a-e]/

“r”, “t”…(除了a-e的任何字符串)

1

“c”,”e”…

/\D/

“ ”, “q”, “y”…(非数位符)

1

“1”, ”5”…

\)

“)” 返回左括号

\(

“(” 返回右括号

#//#

“//”

/\/\//

好了,我们现在要开始解释小王是怎么解决那个产品列表的问题的了。

3. 问题解决

3.1 问题重述

再重述一遍问题文中最开始的那个问题:

下面是某超市自己的产品列表,有的是编号,有的是产品的名字,我们现在用正则表达式,将产品编号的行(红色字体的)读取到SAS数据集中。 Name (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)

3.2 问题理解

首先我们意义理解一下,我们只要有产品编号的行,产品编号的格式为:

(XX)XXXX-XXXX

但也包括下面的情况:

1)有的编号前面有字母PD,它标志出过期的产品。

2)有的编号()后面还有一个空格,比如(12) 6753-5513。

综上所述,正则表达式应该这样“编码”:

编号

P

D

(

XX

)

空格

XXXX

-

XXXX

正则表达式

P?

D?

\(

\d\d

\)

空格?

\d{4}

-

\d{4}

空格?表示这个空格有或没有,都被匹配,P?和D?也是同样道理。因此,提取出编号的正则表达式就应该为:

“/P?D?\(\d\d\) ?\d{4}-\d{4}/”

3.3 解决代码:

综上解释,我们给出小王的代码:

data production; input name $char20.; a=PRXMATCH("/\(\d\d\) ?\d{4}-\d{4}/",name); if a GT 0 then output; 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 ; proc print noobs; title 'Production ID'; var name; run;

运行结果为:

这里为方便解释,产品名单我们就用显示出来的那几个,你可能会说:

产品名单里也许还有其他没考虑到的情况呢?你的正则表达式一定可靠吗?

肯定有没考虑到的情况,所以才有下一集啊。

原文发布于微信公众号 - 数说工作室(shushuojun)

原文发表时间:2016-05-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CSDN技术头条

关于设计模式的思考

为什么叫设计模式 什么是设计模式 设计模式最初是被 GoF 于1995年提出的。GoF 全称是Gang of Four(四人帮),即 Erich Gamma,R...

37660
来自专栏一个会写诗的程序员的博客

《Kotin 极简教程》第8章 函数式编程(FP)(1)第8章 函数式编程(FP)《Kotlin极简教程》正式上架:

"函数式编程", 又称泛函编程, 是一种"编程范式"(programming paradigm),也就是如何编写程序的方法论。它的基础是 λ 演算(lambda...

12420
来自专栏专知

关关的刷题日记05 —— Leetcode 217. Contains Duplicate 方法1和方法2

题目 Leetcode 217. Contains Duplicate Given an array of integers, find if the arra...

33970
来自专栏阿凯的Excel

职场不得不知的排序技巧

排序是工作中最常用的功能,今天和大家分享一些排序的冷门应用,有多冷?就是在南方没暖气的那种冷! 不得不知的排序应用现在开始: 一:自定义序列 通常我们对文本...

30480
来自专栏追不上乌龟的兔子

[多少懂点位运算]找出唯一的数字

大家都知道现代计算机的底层是以二进制为基础的,计算机所有的操作最后都归结到了简单的二进制位运算上:与,或,非和异或。

26650
来自专栏Android知识点总结

1.计算机编程通之字节与数据类型

17070
来自专栏斑斓

深入探索Scala的Option

程序员最深恶痛绝并力求避免的异常是NullPointerException,很不幸,我们往往又会忽略这个错误。不知是谁设计了Null这样的对象。我在文章《并非N...

33970
来自专栏机器学习算法与Python学习

Python技巧 101:这17个骚操作你都Ok吗

Python 是一门非常优美的语言,其简洁易用令人不得不感概人生苦短。在本文中,作者 Gautham Santhosh 带我们回顾了 17 个非常有用的 Pyt...

11440
来自专栏算法channel

动态规划:括号知多少

主要推送关于对算法的思考以及应用的消息。培养思维能力,注重过程,挖掘背后的原理,刨根问底。本着严谨和准确的态度,目标是撰写实用和启发性的文章,欢迎您的关注。 0...

36770
来自专栏C语言及其他语言

[每日一题]矩阵问题

今天给大家分享的是二维数组的基本用法,主要是利用数组对行列的控制 题目描述 求一个3×3矩阵对角线元素之和。 输入 矩阵 输出 主对角线 副对角线 元素和 ...

33270

扫码关注云+社区

领取腾讯云代金券