SAS特殊字符抛出输入的列对齐

Question

我正在输入一个.dat数据集到sas中，在练习教学信息中使用。这是我到目前为止所拥有的。

DATA companies;
    INFILE "/folders/myshortcuts/Stat324/BigCompanies.dat" encoding='wlatin2';
    INPUT rank 3. @6 company $UTF8X25. @35 country $17. @53 sales comma6. @60 profits comma8. @70 assets comma8. @82 marketval comma6.;
RUN;

这适用于除包含特殊/国际字符的行以外的每一行。如：

94   SociÈtÈ GÈnÈrale             France             $98.6B    $3.3B $1,531.1B    $25.8B

这些行以第一个货币值（@ 53 sales comma6。）跳闸，并抛出一个警告，表示找到了该输入的无效数据，并且分配了缺失值（。）。

使用@ pointers和informat w值似乎表明特殊字符正在抛弃列对齐，这是可能的（即使打印为单个字符，特殊字符实际占用2位/空格。是有一个简单的解决方案吗？

Answer 1

是的，你是完全正确的：如果字符是用UTF8编码的，它们可能占用1到4个字节，许多字符是一个字节，但有些字符占用更多（这里你称之为“特殊字符”）。如果SAS正在将文件读取为WLATIN1，那么它将假定每个字节都是一个单独的字符。

您的代码对我来说有点混乱：您指定文件是WLATIN1，但是您指示SAS将该字段读入为UTF-8。这是什么？

如果您的会话编码与UTF-8兼容，并且要读入的文件是UTF-8编码，那么您可能需要简单地将infile上的编码切换为UTF-8。如果您的文件具有混合编码，并且有一个原因您不能使用UTF-8编码来读取它，那么您可能需要使用特殊代码处理一个复杂的问题（即，要弄清楚多长时间） UTF8部分实际上是，然后将指针前进到正确的位置以读取下一个字段）。您也可以使用分隔符来阅读此内容;这取决于数据的确切格式。