如何在SAS的三种编码间来去自如：wlatin1，euc-cn和utf-8 【2数据集篇】

上一篇，我们发现代码文件（.sas）在SAS的三种编码的编辑器间，相互不兼容。那么数据集的情况如何呢？

我们生成不同编码环境下的数据集。

图片包含 文本 描述已自动生成

在wlatin1编码下，一些特殊符号，如”‰”，在界面上显示异常。但当鼠标点击进去，或者打印出来时，显示还是正常的。

多字节字符占据1字节。这里，L变量长度是10，L3变量长度是3。

图片包含 文本 描述已自动生成

在euc-cn编码下，多字节字符占据2字节。这里，L变量长度是11，L2变量长度是16.

表格 中度可信度描述已自动生成

在utf-8编码下，多字节字符占据3字节。这里L变量长度是12，L2变量是24，L3变量是8。

我们用wlatin1的编辑器，读取另外两个数据集。因为存在一些无法兼容的值，就像上方的截图，SAS报错了。这也很容易理解，我们无法使用，超过编码范围的字符。

文本 描述已自动生成

我们用euc-cn的编辑器，读取utf-8编码的数据集（A3）时，发生了错误。跟上一个操作类似，存在无法识别的字符。

那么，我们先把UTF-8编码的数据集的特殊字符(A3.L3)变量去掉，会如何呢？结果是能够轻松导入。因为，既不存在无法识别的字符，变量中多字节字符需要的字节数也会降低，也不存在变量长度不够用的情况。

我们用utf-8的编辑器，读取euc-cn编码的数据集（A2）时，发生了错误。因为在euc-cn编码下，L变量和L2变量需要的长度分别为11和16；而在utf-8编码下，L变量和L2变量需要的长度则是12和24。变量不够长了，将会截断。

文本 中度可信度描述已自动生成

遇到这种情况，我们需要将原来数据集变量的长度，按比例放大，使用如下代码，将变量长度扩大1.5倍。然后就可以轻松调用了。

LIBNAME XXX CVP “XXX” CVPMULTIPLIER=1.5;

总结一下。跨编码环境，调用数据集文件（.sas7bdat）时需要注意两点：

1. 原数据集中所使用的所有字符，必须都包含在新的编码体系内。
2. 如果多字节字符需要的字节数，在新编码下比原编码更多，则有可能产生变量长度不够用的情况。必须等比例放大所有字符型变量的长度。