SAS, как извлечь несколько слов из строки

Question

У меня есть список программ с разной степенью сложности, которые включают тип степени (например, PhD), и я хочу удалить тип степени и сохранить только имя программы. например .:

Master of Science in Building Performance and Diagnostics 
Master of Science in Computational Design 
Master of Science in Sustainable Design 
Master of Urban Design 
PhD in Architecture 

Я пытаюсь использовать сканирование, чтобы разделить строку на «в» и извлечь весь текст, который следует, но я не понимаю, результат я получаю. Когда я использую -1 (начало справа) в качестве отправной точки я получаю:

data want; 
    format new_prog old_prog $200.; 
    set have (rename = (program = old_prog)); 
    if count(old_prog, " in ") ge 1 then new_prog = scan(old_prog, -1, "in "); 
run; 


new_prog old_prog 
tecture Master of Science in Architecture 
g   Master of Science in Sustainable Design 
cs  Master of Science in Building Performance and Diagnostics 
t   Master of Science in Architecture-Engineering and Construction Management 

Я не думаю, что это будет работать в любом случае, так как я хочу всю строку после «в», а не просто следующего слова , но даже если я использую сканирование (old_prog, 2, «в»), я ожидаю, что это даст мне следующее слово, но это, кажется, дает мне случайные вещи, например:

program old_prog 
Bu  PhD in Building Performance and Diagnostics 
of  Master of Science in Architecture-Engineering and Construction Management 
Computat PhD in Computational Design 
of  Master of Science in Sustainable Design 

Answer 1

Вот как это сделать используя substr и index.

data want; 
format new_prog old_prog $200.; 
infile datalines dsd missover; 
input old_prog :$200.; 

if count(old_prog, " in ") ge 1 then new_prog = substr(old_prog,index(old_prog,"in") + 3); 

datalines; 
Master of Science in Building Performance and Diagnostics 
Master of Science in Computational Design 
Master of Science in Sustainable Design 
Master of Urban Design 
PhD in Architecture 
; 
run; 

Index будет найти положение «в» в строке и передать его SubStr начать сокращать переменную из этой позиции + 3 до конца строки.

Answer 2

Рассмотрим шаг данных и ргос решение SQL, используя substr и index функции:

data want; 
    set have; 
    if count(old_prog, " in ") ge 1 
     then new_prog = substr(old_prog, index(old_prog, "in")+3); 
run; 


proc sql; 
    create table want as 
    select *, 
    case when index(old_prog, "in") > 0 
     then substr(old_prog, index(old_prog, "in")+3) 
     else old_prog 
    end as new_prog 
    from want; 
run; 

Answer 3

данные;
ввод @ 1 old_prog $ 60;
если find (old_prog, 'in'), то new_prog = substr (old_prog, 1, find (old_prog, 'in'));
else new_prog = old_prog;
datalines;
Мастер Scinence в здании Performance и диагностика
Магистр наук в области вычислительной дизайна
Магистр наук в области устойчивого дизайна
Мастер городского дизайна
кандидат архитектуры
;
run;
proc print данные = have;
run;

OBS old_prog new_prog
1 Мастер Scinence в здании производительности и диагностики Мастер Scinence
2 Магистр наук в области вычислительной дизайна магистра
3 Магистр наук в области устойчивого дизайна Магистр наук
4 Магистр городского дизайна Магистр городского дизайна
5 PhD в области архитектуры PhD

Answer 4

У вас есть ряд допустимых вариантов, предлагаемых другими. Могу ли я предложить способ REGEX получить то, что вы хотите?

я заметил три модели в ваших данных образца:

1. Типичный Сепаратор «в», что вы пытаетесь использовать в образце кода
2. Когда типичный разделитель не используется, то другой разделитель «из " используется.
3. Тип степени может быть записан по-разному (магистр наук, магистр наук, доктор философии).

При работе с рисунком в тексте REGEX очень полезен, потому что вы можете определить текстовое поле, которое вы ищете, и извлечь текст, когда шаблон верен.

Смотрите комментарии в коде для получения дополнительной информации:

/* Dropping pattern ids because they are not useful in data */ 
data have (drop=pattern_in pattern_of); 
    /* Reading in the raw data from datalines */ 
    input @1 old_prog $60.; 

    /* Compiling first sample based on "in " pattern. */ 
    pattern_in = prxparse('/in ([\w\s]*)/'); 

    /* Compiling first sample based on "of " pattern. */ 
    pattern_of = prxparse('/of ([\w\s]*)/'); 

    /*If the string satisfied the patter with "in " */ 
    if prxmatch(pattern_in,old_prog) then 
    /* Then extract capture buffer after "in " pattern */ 
    new_prog=prxposn(pattern_in,1,old_prog); 

    /*If the string satisfied the patter with "of " after it didn't find patter "in "*/ 
    else if prxmatch(pattern_of,old_prog) then 
    /* Then extract capture buffer after "of " pattern */ 
    new_prog=prxposn(pattern_of,1,old_prog); 
    datalines; 
Master of Scinence in Building Performance and Diagnostics 
Master of Science in Computational Design 
Master of Science in Sustainable Design 
Master of Urban Design 
PhD in Architecture 
; 

PROC PRINT DATA=have; 
run; 

Результат: