Question

我想搜索一个只包含某些单词而不包含其他内容的字符串变量。

数据如下：

Osteoarthritis (OA)
OA (Osteoarthritis)
OA Knee
Osteoarthritis Knee
OA + hands
Osteoarthritis, hands
OA , hip
OA
Knee OA

我可以使用

在一个输出中获得带膝盖的OA / Osteo

where prxmatch("m/osteoar|oa /oi", lowcase(diagnosis)) and prxmatch("/knee/", lowcase(diagnosis)) ;

仅对于OA，我将它们放入第二个输出

where ((lowcase(diagnosis)) contains 'oa' and not prxmatch('~B|C|D|E|F|G|H|I|J|K|L|M|N|P|Q|R|S|T|U|V|W|X|Y|Z~i', upcase(diagnosis)));

但是由于数据包含OA和Oasteoarthritis，我想不出办法。

所以我想保留包含OA /骨关节炎的行，或OA / Osteo的膝盖，但摆脱其他一切。膝关节OA / Osteo容易保持，但我很难保持那些只有OA /骨关节炎的人。变量很长，很乱，没有常规模式，所以不可能列出我想删除的那些。

Answer 1

字符串比较与SAS相当笨拙。一种方法是使用索引函数。这将查找是否找到匹配的字符串模式给定的变量。请注意，虽然SAS通常不区分大小写，但字符串比较不是。（因此，中间的upcase datastep。

工作样本：

data begin; /*Silly way, but works.*/
    words='Osteoarthritis (OA)'; output;
    words='OA (Osteoarthritis)'; output;
    words='OA Knee'; output;
    words='Osteoarthritis Knee';output;
    words='OA + hands'; output;
    words='Osteoarthritis, hands'; output;
    words='OA , hip'; output;
    words='OA'; output;
    words='Knee OA'; output;
run;

data begin; /*This is done purely to ease the comparison below*/
    set begin;
    words2=upcase(words);
run;

data Only_wanted;
    set begin;
    if index(words2, 'OA')>0 or /*select OA  */
    index(words2, 'OSTEOARTHRITIS')>0 or /*or OSTEOARTHRITIS */
    (
    index(words2, 'OA')>0 or 
    index(words2, 'OSTEO')>0 AND /*<=! AND here */
    index(words2, 'KNEE')>0 
    );
run;

在第一个和第二个条件之间存在一点冗余，但这应该给你相当多的工作量。有关索引的更多信息，请参阅：http://support.sas.com/documentation/cdl/en/lrdict/64316/HTML/default/viewer.htm#a000212242.htm

Answer 2

我不确定您的实际任务有多复杂，但根据数据和既定目标，这可能对您有用：

var html = @"
<div>
<strong>First name</strong><em>italic</em>: Fake<br>
<strong>Bold</strong> <a href='#'>hyperlink</a><br>.
<strong>bold</strong>
<strong>bold</strong> <br>
text
</div>

<div>
<strong>Title</strong>: Mr<BR>
<strong>First name</strong>: Fake<br>
<strong>Surname</strong>: Guy<br>
</div>";

var document = new HtmlDocument();
document.LoadHtml(html);
// 1. <strong>
var strong = document.DocumentNode.SelectNodes("//strong");
if (strong != null)
{
    foreach (var node in strong.Where(
        // 2. followed by non-empty text node
        x => x.NextSibling is HtmlTextNode
        && !string.IsNullOrEmpty(x.NextSibling.InnerText.Trim())
        // 3. followed by <br>
        && x.NextSibling.NextSibling is HtmlNode
        && x.NextSibling.NextSibling.Name.ToLower() == "br"))
    {
        Console.WriteLine("{0} {1}", node.InnerText, node.NextSibling.InnerText);
    }
}

对于每条记录，遍历每个单词。如果data have; input diagnosis $char50.; datalines; Osteoarthritis (OA) OA (Osteoarthritis) OA Knee Osteoarthritis Knee OA + hands Osteoarthritis, hands OA , hip OA Knee OA ; run; data want; set have; do i=1 to countw(diagnosis); if upcase(scan(diagnosis,i)) not in('OSTEOARTHRITIS' ,'(OA)' ,'OA' ,'KNEE') then delete; end; drop i; run;中的单词不符合我们的利益，则将其删除。

只保留数据，但不包括SAS中的任何其他内容

2 个答案: