正则表达式的“阿赖耶识”| 【SAS Says·扩展篇】正则表达式

阿赖耶识...为宇宙万有之本，含藏万有，使之存而不失，故称藏识。又因其能含藏生长万有之种子，故亦称种子识。 ——《佛光大辞典》

佛家说人有九识，除眼、耳、鼻、舌、身、意八识外，还有末那识和阿赖耶识。这阿赖耶识，储藏了一切善恶的种子，包含一切宇宙信息。

【SAS Says·扩展篇】正则表达式的“阿赖耶识” | 2. PRXPARSE ()

0.前集回顾

1.初识PRXPARSE()

2.例子

0. 前集回顾：

刚毕业的小王来到一家零售公司的数据部门做一名分析师，上班的第一天，产品部的妹子就找他来解决一个问题：

数据库中有一份长长的产品名单，名单中有的是产品的名字，有的是产品的编号，产品部的妹子只想要产品的编号的那些行（下图红色字体的），以做更深一步的分析。

(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 ......（未显示完）

红色字体的编号似乎看起来没有什么容易把握的规律：占位符不一样、也不全都是数字、有的行的括号后面还有空格等等，小王利用正则表达式，一分钟不到就解决了。

a=PRXMATCH("/(dd) ?d{4}-d{4}/", name); if a GT 0 then output;

结果为：

这是第一集提取文本数据，分析师小王初上手！的内容。我们利用PRXMATCH函数，初步介绍了什么是正则表达式。这些看起来乱乱的字符，竟然代表了一定的文本格式，比如前面说过的

P?D?(dd) ?d{4}-d{4}

这个简单的表达式，却可以代表复杂的意思：

按照这个思路，正则表达式不同的组合，可以组合出各种文本格式，但是，随着正则表达式的越来越复杂、越来越长，在代码中来回引用就会很不方便。本集要介绍的PRXPARSE函数，可以将不论多长的表达式储存起来，方便引用。

还记得第一集介绍的匹配函数PRXMATCH()，它的格式如下：

PRXMATCH ( pattern-id orregular-expression, string )

第一个参数可以是pattern-id，也可以直接是正则表达式（regular-expression）。这个pattern-id就是正则表达式的一个代号，我们可以利用PRXPARSE将正则表达式储存在这个代号中。

讲了那么多虚的，来看一个实例：

String1=”oooooo119234oooooo”; String2=”wewewew119234p” String3=”rrrrrrr119234yu”;

……

我们要提取出119的位置，代码可能要这么写：

data_null_; String1="oooooo119234oooooo"; String2="wewewew119234p"; String3="rrrrrrr119234yu"; x1=PRXMATCH("/119/",string1); x2=PRXMATCH("/119/",string2); x3=PRXMATCH("/119/",string3); fileprint; put x1= x2= x3=; run;

假如要提取1192呢？那么正则表达式要改成”/1192/”，代码中要改3次，再变一下，提取11923呢？又要改3下，就非常麻烦，利用PRXPARSE函数，将正则表达式储存在一个pattern-id中，就可以减少这种重复，每次只需要改一次。

1. 初识PRXPARSE()

这个函数用来获取某种正则表达式，并存在pattern-id中，方便其他函数来用，它的格式为：

PRXMATCH (regular-expression)

以上面那个为例：

data_null_; a=PRXPARSE("/119/"); String1="oooooo119234oooooo"; String2="wewewew119234p"; String3="rrrrrrr119234yu"; x1=PRXMATCH(a,string1); x2=PRXMATCH(a,string2); x3=PRXMATCH(a,string3); fileprint; put x1= x2= x3= ; run;

输出的结果是一样的：

无论是要提取1192、11923还是11924，都只要改一次就好了，这个函数很简单。现在我们看一下上一集初级分析师小王的例子中，如果用PRXPARSE函数该如何写代码。

2. 例子

先回顾一下上一集小王遇到的问题——提取下面表中只有产品编号的（红色字体）：

name

(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

小王给出的代码为：

a=PRXMATCH("/(dd) ?d{4}-d{4}/", name); if a GT 0 then output;

如果我们用

“PRXPASE() → 生成包含正则表达式的pattern-id → PRXMATCH()使用pattern-id作为正则表达式参数“

这个思路写代码，就应该是：

data production; if _N_=1then pattern=PRXPARSE("/(dd) ?d{4}-d{4}/"); retain pattern; input name $char20.; a=PRXMATCH(pattern,name); if a GT 0thenoutput; 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 ; procprintnoobs; title'Production ID'; var name; run;

retain语句可以让SAS保存前一次变量的值，我们在基础篇中讲过这个语句，您可以点击 【SAS Says】基础篇：5. 开发数据（一）查看。

输出的结果为：

和之前的结果是一样的，提取除了只包含产品编号的行。