时间戳

首页 > 解决方案 > 在 SAS 中使用 REGEX 匹配和删除重复出现的单词组

regex - 在 SAS 中使用 REGEX 匹配和删除重复出现的单词组

问题描述

我正在尝试删除 SAS 中的一组重复单词。基本上，我正在尝试删除重复出现的一组单词。正斜杠是分隔符。我正在使用 SAS 9.4 并有以下示例：

我尝试了上述正则表达式，它适用于“淋巴结疼痛/淋巴结疼痛/四肢疼痛”。结果是“淋巴结疼痛/四肢疼痛”。但是，它不适用于“淋巴结疼痛/四肢疼痛/四肢疼痛”和“淋巴结疼痛/神经痛/神经痛”。我不确定为什么。

data have;
  string = 'Lymph node pain/Pain in extremity/Pain in extremity';output;
  string = 'Lymph node pain/Lymph node pain/Pain in extremity'; output;
  string = 'Lymph node pain/Neuralgia/Neuralgia'; output;
run;

data test;
  set have;
     _1=prxparse('s/([A-Za-z].+?\s.*?\/.*?)(.*?)(\1+)/\2\3/i');
     _2=prxparse('/([A-Za-z].+?\s.*?\/.*?)(.*?)(\1+)/i');
    do i=1 to 10;
        string=prxchange(_1, -1, strip(string));
        if not prxmatch(_2, strip(string)) then leave;
    end;
   drop i  ;
run;

任何帮助表示赞赏。

标签： regexsas

解决方案

这是一种scan基于 - 的方法。我假设每个字符串最多有 3 个短语，但如果需要，可以轻松调整它以适用于任意数量的短语。

data have;
  string = 'Lymph node pain/Pain in extremity/Pain in extremity';output;
  string = 'Lymph node pain/Lymph node pain/Pain in extremity'; output;
  string = 'Lymph node pain/Neuralgia/Neuralgia'; output;
  string = 'Neuralgia/Lymph node pain/Neuralgia'; output;  /*Added A/B/A example*/
run;

data test;
  set have;
  array phrases[3] $32;
  /*Separate string into an array of phrases delimited by / */
  do i = 1 to dim(phrases);
    phrases[i] = scan(string,i,'/');
  end;
  /*Sort the array so that duplicate phrases are next to each other*/
  call sortc(of phrases[*]);
  /*Iterate through the array and build up an output string of non-duplicates*/
  length outstring $255;
  do i = 1 to dim(phrases);
    if i = 1 then outstring = phrases[1];
    else if phrases[i] ne phrases[i-1] then outstring = catx('/',outstring,phrases[i]);
  end;
  keep string outstring;
run;

这具有将所有短语排序为字母顺序而不是字符串中第一次出现的顺序的副作用。

推荐阅读