string - 找到单词时的Stata标志，而不是strpos

Question

我有一些带有字符串的数据，我想在找到单词时进行标记。一个单词将被定义为在字符串的开头、结尾或分隔一个空格。strpos只要字符串存在就会找到，但我正在寻找类似于subinword. Stata 是否有办法使用的功能subinword而不必替换它，而是标记这个词？

clear 
input id str50 strings
1 "the thin th man"
2  "this old then"
3 "th to moon"
4 "moon blank th"
end

gen th_pos = 0
replace th = 1 if strpos(strings, "th") >0

上面的代码将标记每个观察，因为它们都包含“th”，但我想要的输出是：

ID      strings          th_sub
1   "the thin th man"      1
2   "this old then"        0
3   "th to moon"           1
4   "moon blank th"        1

标签： stringstata

Answer 1

一个小技巧是，"th"作为一个单词的前后都会有一个空格，除非它出现在字符串的开头或结尾。例外并不是真正的挑战，因为

gen wanted = strpos(" " + strings + " ", " th ") > 0  

在他们周围工作。否则，有一组丰富的正则表达式函数可供使用。

上面的示例标记了不执行您想要的操作的代码压缩为一行，

gen th_pos = strpos(strings, "th") > 0

更直接的答案是您不必更换任何东西。你只需要让 Stata 告诉你如果你这样做会发生什么：

gen WANTED = strings != subinword(strings, "th", "", .)

如果删除子字符串（如果存在）会更改字符串，则它必须已经存在。