如何去除杂散^ M和＆lt; 96＆gt;从导入到sas之前的文本文件

Question

我从使用屏幕抓取填充excel电子表格的用户收到一个竖线分隔的文本文件，因此数据很乱。它充满了随机^M (carriage returns)和<96> (windows en dash)，导致导入不完整。

我尝试了dos2unix，但收到错误，指出转换存在问题。我使用此网站上找到的解决方案删除了​​所有^M：

tr -d '\r' < infile > outfile

保留<96>个字符。这些破折号的可比性'/r'是多少？或许还有更好的解决方案？如果可能的话，我实际上想用“好”破折号替换“坏”破折号。

Answer 1

为什么不用SAS代替清理文件？如果您的行短于32,767个字符，那么它就很简单。

data _null_;
  infile 'input-file' termstr=LF ;
  file 'output-file' termstr=LF ;
  input;
  _infile_=translate(compress(_infile_,'0D'x),'-','96'x);
  put _infile_;
run;

如果线条较长，您可以按字段读取数据字段并修改它。

Answer 2

您可以使用命令cat file.txt | od获取八进制值，然后像使用^ M个字符一样使用tr将其删除。