【SAS Says·扩展篇】撕数据！ | 4. call PRXPOSN()
0. 前集回顾
1. 新的问题
2. 初识 PRXPOSN()
3. 问题解决
0. 前集回顾：
小王刚刚毕业，来到数说国际零售公司任数据分析师，产品部的妹子求助他，希望可以帮忙做这么一件事：下面是一份产品名单，有的行是产品的名字，有的行是产品的编号，现在只想将编号保留下来（即红色字体的部分），尤其是最后一行，这一行只要一部分。
(01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuo phone (12) 6753-5513 None here PD(12)6434-4532 P&D Washing PC Pro4321S: (09) 1352-3154
小王写了一段代码，很快就搞定了：
data production; if _N_=1then pattern=PRXPARSE("/P?D?(dd) ?d{4}-d{4}/"); retain pattern; input name $char40.; length id $ 20; call PRXSUBSTR(pattern,name,start,length); if length GT 0thendo; id=substr(name,start,length); output; end; keep id; datalines; (01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuophone (12)6753-5513 None here PD(12)6434-4532 P&DWashing PC Pro4321S:(09) 1352-3154 ; procprintnoobs; title'Production ID'; var id; run;
输出结果为：
这个问题真是圆满的解决了。
点击这里回顾：
- 提取文本数据，分析师小王初上手！
- 正则表达式的“阿赖耶识”
- 庖丁解牛切割数据！
1. 新的问题
不错，一个新的问题来了，
”括号里面的数字代表了产品的类别，能不能将它单独提出来？“
当然，你可以在目前的表的基础上，用excel处理，比如：
If 第一个字符是”(” then 提取后面两个数字
If 第一个字符是”P” then 提取后面第四、第五个数字
当然这也一点都不酷，而且如果名单的后面有其他变动，比如前面的PD被错拼成BD了、或者真有一个前缀是BD呢？
还是用正则表达式一次性搞定吧！这就要引出我们今天的主角——PRXSON！
2. 初识PRXPOSN()
这个语句要配合PAXMATCH（或其他PRX搜索函数）使用。需要三步：
① 在正则表达式中，用括号（）将需要提取的一小部分括起来，我自己称之为“打包”，比如，在产品编号的例子中，我们需要打包括号里的两位数字，那么我们就在正则表达式中将这两个dd括起来：
“/P?D?((dd)) ?d{4}-d{4}/”
并放入pattern中：
Pattern=PRXPARSE(“/P?D?((dd)) ?d{4}-d{4}/”)
② 用PRXMATCH匹配这段正则表达式
PAXMATCH(pattern,name)
③ 用PRXPOSN函数得到产品编号（就是括号里，我们要提取的那个）的起始位置和长度。
CALLPRXPOSN(pattern, 1, start, length)
重点来了，PRXPOSN的格式为：
Call PRXPOSN(pattern-id, 区块编号, start, length)
这里pattern-id是正则表达式，区块编号就是正则表达式中，我们打包起来的。只打包一个，那么编号就是1，打包两个，那么可以选择1或者2。
然后，这个函数就把区块的起始位置和长度赋给了start和length。
④ 用substr()函数将区块抓下来
本例中，产品类型就是：
Category=Substr(name,start, length)
3. 问题解决
好了，现在来看一下本例中代码要怎么写：
data production; if _N_=1then pattern=PRXPARSE("/P?D?((dd)) ?d{4}-d{4}/"); retain pattern; input name $char40.; length id $ 20; call PRXSUBSTR(pattern,name,start,length); *下面的PRXPOSN必须要配合这个PRXMATCH使用; match =PRXMATCH(pattern, name); if length GT 0thendo; *得到产品ID; id=substr(name,start,length); id=compress(id," "); *得到ID中的产品类型（即括号里面的数字）; call PRXPOSN(pattern, 1, start_1, length_1); category=substr(name, start_1, length_1); output; end; keep id category; datalines; (01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuophone (12)6753-5513 None here PD(12)6434-4532 P&DWashing PC Pro4321S:(09) 1352-3154 ; procprintnoobs; title'Production ID'; var id category; run;
最后的结果为：
趁热，咱们再加一列吧，标识出哪些产品是过期的，即PD。
直接上代码，非常简单，大家自己研究研究吧：
data production; if _N_=1then pattern=PRXPARSE("/(P?D?)((dd)) ?d{4}-d{4}/"); retain pattern; input name $char40.; length id $ 20; call PRXSUBSTR(pattern,name,start,length); *下面的PRXPOSN必须要配合这个PRXMATCH使用; match =PRXMATCH(pattern, name); if length GT 0thendo; *得到产品整个ID; id=substr(name,start,length); id=compress(id," "); *得到ID中的产品类型（即括号里面的数字）; call PRXPOSN(pattern, 2, start_2, length_2); category=substr(name, start_2, length_2); *得到ID中产品的过期信息; call PRXPOSN(pattern, 1, start_1, length_1); if length_1 gt 0then pd= substr(name, start_1, length_1); output; end; keep id category pd; datalines; (01)1872-8756 Body shop P1 Book B13 (05)9212-0098 PD(05)9206-4571 Shushuophone (12)6753-5513 None here PD(12)6434-4532 P&DWashing PC Pro4321S:(09) 1352-3154 ; procprintnoobs; title'Production ID'; run;
结果为：
