SAS地址列拆分：如何提取多词街道名生成新列？

针对你已经完成姓名、门牌号、邮编和城市提取的情况，这里提供两种简单易上手的方法来提取街道名，适合SAS新手：

方法一：字符串截取法（无需正则，逻辑直观） #

利用已知的首尾部分长度，截取中间的街道名：

DATA DmExo3.Test;
    SET DmExo3.Adresses;
    /* 提取姓名 */
    Nom = scan(Contact, 1, ' ');
    /* 提取门牌号 */
    Numero = scan(Contact, 2, ' '); 
    /* 提取邮政编码 */
    CodePostal = input(scan(Contact, -2, ' '), 5.); 
    /* 提取城市 */
    Ville = scan(Contact, -1, ' ');
    
    /* 提取街道名：先移除开头的姓名+门牌号，再移除结尾的邮编+城市 */
    /* 第一步：截掉前两个词（姓名+门牌号）及后续空格 */
    temp_after_name_num = substr(Contact, length(Nom || ' ' || Numero) + 1);
    /* 第二步：截掉末尾的邮编+城市及前面的空格 */
    temp_rue = substr(temp_after_name_num, 1, length(temp_after_name_num) - length(' ' || CodePostal || ' ' || Ville));
    /* 清除首尾多余空格 */
    Rue = strip(temp_rue);
RUN;

逻辑说明： #

1. 先计算姓名+空格+门牌号的总长度，用substr截取后面的剩余内容；
2. 再计算空格+邮编+空格+城市的总长度，从剩余内容中截掉这部分；
3. 最后用strip()清除街道名首尾可能出现的多余空格。

方法二：正则表达式法（代码简洁，适合固定格式地址） #

如果你的地址格式稳定（姓名单词、门牌号是数字/短字符、邮编5位、城市单词），可以用正则快速替换掉前后已知部分：

DATA DmExo3.Test;
    SET DmExo3.Adresses;
    /* 提取姓名 */
    Nom = scan(Contact, 1, ' ');
    /* 提取门牌号 */
    Numero = scan(Contact, 2, ' '); 
    /* 提取邮政编码 */
    CodePostal = input(scan(Contact, -2, ' '), 5.); 
    /* 提取城市 */
    Ville = scan(Contact, -1, ' ');
    
    /* 正则替换：去掉开头的姓名+门牌号，和结尾的邮编+城市 */
    Rue = prxchange('s/^\w+\s+\S+\s+|\s+\d{5}\s+\w+$//', 1, Contact);
    /* 清除首尾多余空格 */
    Rue = strip(Rue);
RUN;

正则说明： #

• ^\w+\s+\S+\s+：匹配开头的单词姓名+空格+任意非空格门牌号+空格；
• \s+\d{5}\s+\w+$：匹配结尾的空格+5位邮编+空格+单词城市；
• |表示“或”，把这两部分都替换为空，剩下的就是街道名。

扩展提示： #

如果门牌号包含字母（如45bis）或城市是多词（如Saint-Malo），只需微调正则即可，比如把\w+$改成\S+$匹配多词城市。

内容的提问来源于stack exchange，提问作者goupi