sas正則式之prxparse. Prxmatch

今天分享的是我這幾天用到的正則式的一個小總結(jié)，這部分的內(nèi)容因為比較多，所以會分成幾篇文章分享。

其實我們在做數(shù)據(jù)的過程中老是會聽到別人說，r處理數(shù)據(jù)比sas好用，但是在我理解里，看你先接觸那個軟件，你都很熟悉r了，你還會再花兩三年去寫sas嗎？所以學(xué)軟件，只要學(xué)的精，其實都是共通的，r能做的文本清洗的，sas也可以。但是我不是說你就不要去學(xué)r,我自己也會學(xué)R，在工作中也需要結(jié)合使用。只是希望你們不要對sas有偏見,畢竟我深愛sas勝過男朋友。

話太多了哈，畢竟白羊座嘛。上代碼：

options compress=yes;

data dd;

input string$40.;

datalines;

我始終都搶不到2017年1月25號的票啊

今天是2017年1月23號

現(xiàn)在時間是9點17分

其實我很想我的媽咪

;

run;

data ss;

set dd;

if _n_=1 then ret=prxparse("/\我/");

retain ret;

position=prxmatch(ret,string);

run;

結(jié)果圖如下：

Prxparse這個函數(shù)不能單獨使用，都是和其他正則函數(shù)一起結(jié)合使用的，這個結(jié)果就不用看ret了，運行是pdv層面的事，我就不多說，這里要關(guān)注的prxmatch函數(shù)返回的關(guān)鍵字的位置。

prxmatch(ret,string)

ret填入的是prxparse返回的一個邏輯數(shù)，即0和1，以上面的例子為例，假設(shè)prxparse在變量string中沒有找到“我”這個詞，那么返回的0，反之返回1.你問我為什么上面的結(jié)果ret中的值是1，那是因為ret記錄的只是第一條觀測的ret的值，這個變量你就直接不看就行了。但是你要記住prxmatch是怎么跑的。即ret在要那條觀測判斷為1時，prxmatch就執(zhí)行，在string中“我”的位置并返回。這里中文占兩個字符哈。

這是一個簡單的例子，現(xiàn)在具體介紹下常用的一個關(guān)鍵字的表述。

例如：

1、 Prxparse（”/\d\d\d/”）尋找任意的三個數(shù)字，這里要注意的是關(guān)鍵字必須用{“//”}圈起來。

2、 Prxparse（”/\d+/”）尋找一個以上的數(shù)字，可以是1個也可以是100個

3、 Prxparse（”/\w\w\w* /”）尋找兩個以及兩個以上的字符然后以空格分隔，*號后面有個空格，你再多看幾眼。譬如你要尋找屁屁 后者屁屁屁 你就可以這么寫Prxparse（”/\屁\屁\屁* /”）

4、 Prxparse（”/\w\w? + /”）尋找一個或者兩個字符以一個空格或者多個空格分隔?？辞宄?？后面是有空格的哈。這個總結(jié)一下，就是字符多的用*號，空格和數(shù)字多個用+號。

5、 Prxparse（”/(\w\w)  +(\d)  +/”）尋找一個兩個字符之間與一個數(shù)字相隔一個或者多個空格的字符。注意，在正則式中，空格也算的，所以寫的時候要小心。那這里舉個栗子，就是譬如 “我是屁屁  2 ”那么就會找到：“屁屁 2 ”。

現(xiàn)在列出經(jīng)常用到的關(guān)鍵字返回的數(shù)據(jù)類型：

不準(zhǔn)說你英文看不懂，我大學(xué)四級考了四年才過的人不也照樣看了。看不看懂取決你愿不愿意看，難道從小學(xué)學(xué)到大學(xué)的英文都被狗吃了嗎？數(shù)據(jù)分析師培訓(xùn)

看過關(guān)鍵字的表述，給出一些例子熟悉一些這些表述：

這是針對Prxparse函數(shù)的例子：

一下是針對prxmatch（返回string的位置）函數(shù)的例子：

現(xiàn)在來個現(xiàn)實生活中會碰到的問題。

尋找電話號碼：

data ee;

input string$40.;

cards;

電話：(123)333-4444

兩個電話：(800)234-2222 和 (908) 444-2344

沒有電話

;

run;

data ww;

set ee;

if _n_=1 then ret=prxparse("/\(\d\d\d\) ?\d\d\d-\d{4}/");

retain ret;

position=prxmatch(ret,string);

run;

結(jié)果：

prxparse("/\(\d\d\d\) ?\d\d\d-\d{4}/");這條正則式的意思是：

匹配有括號里中3個數(shù)字，然后不知道有木有空格為間隔之后再接三個數(shù)字之后加一個橫杠之后加4個數(shù)字。