Question

我有一个字符串变量（col1），我希望在第一次出现整数时分割，即生成变量part1和part2。

               col1                part1    part2
--------------------------------------------------
    AufderScholle12        AufderScholle       12
Kˆnigsbr¸ckerPlatz3   Kˆnigsbr¸ckerPlatz        3
         Hansastr0A             Hansastr       0A
             Flur:3                Flur:        3

我无法弄清楚如何使用各种文章中的正则表达式来解决这个问题。

Answer 1

以下适用于您的示例数据，但请注意我必须插入＆＃34;非传统＆＃34;正则表达式定义中的字符因为我没有看到表达＆＃34;除了数字之外的所有字符＆＃34;使用Stata实现的正则表达式：

clear
set more off

*----- example data -----

input ///
str30 orig              
"AufderScholle12"       
"K^nigsbr¸ckerPlatz3"   
"Hansastr0A"          
"Flur:3"
end

list

*----- what you want -----

gen p1 = regexs(1) if(regexm(orig, "([\-\^\¸\:a-zA-Z]*)([0-9]?.*)"))
gen p2 = regexs(2) if(regexm(orig, "([\-\^\¸\:a-zA-Z]*)([0-9]?.*)"))

list

正则表达专家可以在这里看看Stata的实现（非常简单）：

http://www.stata.com/support/faqs/data-management/regular-expressions/

检查更好的方法。

根据Stata的help regex

正则表达式语法基于Henry Spencer的NFA算法，这几乎与POSIX.2标准相同。

我在使用字符串函数时更有信心的解决方案：

clear
set more off

*----- example data -----

input ///
str30 orig              
"AufderScholle12"       
"K^nigsbr¸ckerPlatz3"   
"Hansastr0A"          
"Flur:3"
end

list

*----- what you want -----

forvalues i = 0/9 {
    gen p_`i' = strpos(orig, "`i'")
    replace p_`i' = . if p_`i' == 0
}

egen fpos = rowmin(p*)

gen p1 = substr(orig, 1, fpos-1)
gen p2 = substr(orig, fpos, .)

drop fpos p_*
list

这只是找到第一个数字字符出现的位置，并使用它来从原始文本中挑出子字符串。

请参阅help string functions。

修改

一种表达＆＃34;除了数字之外的所有方式＆＃34;是[^0-9]*，因此以下内容将与原始结果相同：

gen p3 = regexs(1) if(regexm(orig, "([^0-9]*)([0-9]?.*)"))
gen p4 = regexs(2) if(regexm(orig, "([^0-9]*)([0-9]?.*)"))

Answer 2

这不是一个完整的答案，只是@Roberto Ferrer的有用答案的一个脚注，不能作为评论。

找到第一个整数位置的另一种方法，不创建10个新变量，然后启动egen：

gen posint = . 
quietly forval i = 0/9 { 
    replace posint = min(posint, strpos(orig, "`i'")) 
}

Stata将字符串分成几部分

2 个答案:

修改