在SAS EG中使用PROC SQL提取特定格式字母数字序列求助

算力阿峰

2026-6-22

在SAS EG PROC SQL中提取特定格式的大写字母数字字符串

要实现你需要的提取逻辑，核心是把R中rebus构建的模式转换成SAS支持的正则表达式，再通过PROC SQL中的正则函数完成提取。

步骤1：转换正则表达式

你在R中定义的模式对应以下正则规则（仅匹配全大写字母+数字）：

1个可选大写字母
2个大写字母
2个数字
2个大写字母
1个可选大写字母
1个数字
1个可选数字
1个可选大写字母

对应的SAS兼容正则表达式为：[A-Z]?[A-Z]{2}\d{2}[A-Z]{2}[A-Z]?\d\d?[A-Z]?

步骤2：PROC SQL实现代码

假设你的源表为source_table，待提取的原字段为raw_string，新字段命名为target_id，可以用两种方式实现：

方式1：使用PRX系列函数（兼容低版本SAS）

PROC SQL;
    CREATE TABLE extracted_table AS
    SELECT 
        raw_string,
        PRXPOSN(PRXPARSE('/[A-Z]?[A-Z]{2}\d{2}[A-Z]{2}[A-Z]?\d\d?[A-Z]?/'), 0, raw_string) AS target_id
    FROM source_table;
QUIT;

PRXPARSE：编译正则表达式
PRXPOSN：提取匹配到的整个字符串（参数0表示匹配整个正则表达式的结果）

方式2：使用REGEXP_SUBSTR（SAS 9.4及以上版本支持）

如果你的SAS版本支持，这种写法更简洁：

PROC SQL;
    CREATE TABLE extracted_table AS
    SELECT 
        raw_string,
        REGEXP_SUBSTR(raw_string, '[A-Z]?[A-Z]{2}\d{2}[A-Z]{2}[A-Z]?\d\d?[A-Z]?') AS target_id
    FROM source_table;
QUIT;