Question

我需要在数字后提取字符串。尽管问题在于字符串开头的数字位数不一致。我需要的是类似Flash Fill in Excel的东西。但是我将对100K +行执行此操作，因此Excel可能无法处理数据。例如：

12345678aaa@mail.com

12345bbb@mail.com

123456789ccc@mail.com

我想要使用提取的字符串创建另一个变量，如下所示：

aaa@mail.com

bbb@mail.com

ccc@mail.com

这可能吗？

提前谢谢！

Answer 1

您可以使用正则表达式替换（PRXCHANGE），也可以谨慎使用VERIFY函数。

示例：

data have;
input email $char25.; datalines;
12345678aaa@mail.com
12345bbb@mail.com
123456789ccc@mail.com
1234567890123456789012345
;

data want;
  set have;

  mail1 = prxchange('s/^\d+//',-1,email);

  if email in: ('0','1','2','3','4','5','6','7','8','9') then 
    mail2 = substr(email||' ',verify (email||' ', '0123456789'));
run;

Answer 2

上面的示例应该可以，

但是假设某些电子邮件地址可以包含数字，例如123abc001@mail.com，下面的代码应该会有所帮助：

data have;
input email $char25.; datalines;
12345678abc01@mail.com
12345bcde@mail.com
123456789cdefg1@mail.com;


PROC SQL;
   CREATE TABLE WORK.QUERY_FOR_HAVE_0003 AS 
   SELECT t1.email, 
          /* want */
            (substrn(t1.email,INDEXC( t1.email, SUBSTRN(COMPRESS(t1.email, 'abcdefghijklmnopqrstuvwxyz', 'k'), 1, 1)))) 
            AS want
      FROM WORK.HAVE t1;
QUIT;

首先，我们使用COMPRESS函数仅保留char值；
然后SUBSTRN-使第一个字符出现在电子邮件地址中；
在INDEXC之后-返回字符的位置；
最后再次SUBSTRN-从上一步提供的位置开始保留电子邮件的其余部分。

最终外观： [1]：https://i.stack.imgur.com/hFftg.png

在SAS中的数字后提取字符串

2 个答案: