在日常工作中,常用的SAS语言环境有三个,即英文(wlatin1 western),简体中文(euc-cn),Unicode(utf-8)。这三个语言环境产生的代码文件(.sas)和数据集文件(.sas7b),也将使用相应的编码。
有时候,我们在一个语言环境下使用另一个编码的代码文件、数据集文件,会产生错误或乱码。而且,一旦保存,乱码将保存,不可逆!非常头疼。
那么,如何在不同编码间,自由转换呢?
首先,我们需要掌握两个原理:
- 不同编码涵盖的字符量:utf8>euc-cn>wlatin1。这表明,从utf8往下转码时。只有在字符适用时才成功。
- 不同编码多字节字符占据的字节数量:utf8(3 bytes)>euc-cn(2 bytes)>wlatin1(1 byte)。这表明,从wlatin1往上转码时,只有在变量长度在新编码下足够时,才成功。
我们先来转换代码文件。在下面的代码中,l3变量存在euc-cn不能识别的字符,l2变量存在wlatin1不能识别的字符,l变量的字符,三种编码均能识别。
当我们保存.sas代码文件后会发现,不能识别的字符,会自动忽略。
那么,当字符涵盖在编码中时,是不是就万事大吉了呢?我们接下来试试,用一个编码的SAS软件,来打开另一个编码的代码。
当我们用wlatin1打开另外两个软件时,会发现大部分都变成乱码了。很显然,wlatin1无法识别这些字符。
wlatin1打开其他两种编码的.sas文件:
euc-cn打开其他两种编码的.sas文件:
utf8打开其他两种编码的.sas文件:
由此可见。不论字符能不能识别。只要用sas编辑器,打开其他编码的.sas文件。就会产生乱码。而且不可逆。这是因为文本文档本身会有一个编码。
要想实现代码文件在不同编码间转换。
- 使用复制粘贴法,将代码copy到新的编辑器。
- 使用代码,将,sas文件导入(infile input),再导出成新编码下的.sas文件(file put)