Question

messy是SAS字符变量，其中包含作者在自己的工作中引用的论文列表。

这里是messy的一个观察结果。

(label:1;name:Azad, Meghan B;pubyear:2008;volume:4;issue:2;pagenum:195;refwork:Autophagy;collkey:2008051953)(label:2;name:Bai, Jing;pubyear:2012;volume:39;issue:3;pagenum:2697;refwork:Mol Biol Rep;collkey:2012197491)

此记录包含2个引用-一个从"(label:1;"开始，另一个从"(label:2;"开始。

我需要为每个引用创建字符变量，这些变量将在“名称：”之后返回部分内容。对于此观察，应如下所示：

clean1            clean2
AZAD.MEGHAN       BAI.JING

我尝试在数据步骤中通过scan()函数执行此操作，

data ex2;
length lastname1-lastname10 
       lastname1-lastname10 
       clean1-clean10 $100; /*initializes empty variables for storing up to 10 names*/
set ex;

array lastname  {*} lastname1-lastname10;
array firstname {*} firsttname1-firstname10;
array clean     {*} clean1-clean10;

do i=1 to count(messy, "label:"); /*loop through messy as many times as there are names*/
  lastname{i}  = scan(messy, 1, "name:"); /*pick up first word after name*/
  firstname{i} = scan(messy, 2, "name:"); /*pick up second word after name*/ 
  clean{i}     = cats(upcase(lastname{i}), ".", upcase(firstname{i})); 
end;

run;

这里（至少）有两个问题：

我的循环不会在观察中选择第n个名称；它将继续将scan()的结果（第一次出现的“名称：”之后的内容）写入姓氏和名字数组中。
我显然误会了scan()本身的工作原理！我以为第三个参数允许我指定选择的分隔符，但是scan(messy, 1, "name:");的结果返回"(l"而不是我期望的"AZAD"。

具体要求：

如何获取messy变量中的所有名称并将它们分别存储为clean1，clean2等？

Answer 1

我会使用PRX *进行此类操作

data ex2;
length clean1-clean10 $100;
set ex;
array clean     {*} clean1-clean10;
if _N_=1 then ExpressionID+prxparse('/[(;]name:([^;)]+)[;)]/');
start = 1;
stop = length(messy);
call prxnext(ExpressionID, start, stop, messy, position, length);
i=0;
do while (position > 0);
  i+1;
  clean{i} = prxposn(ExpressionID, 1, messy);
  call prxnext(ExpressionID, start, stop, messy, position, length);
end;

run;

从凌乱的字符串中提取名称

1 个答案: