UTF-8编码SAS会话导入ISO-8859-1文本文件遇字符与列偏移问题

算力阿峰

2026-7-13

解决SAS导入ISO-8859-1编码固定列文件的乱码与列偏移问题

问题本质：原文件是ISO-8859-1单字节编码，SAS会话为UTF-8多字节编码。使用encoding="wlatin1"可以解决乱码，但原@n定位是按字符数计算，而原文件列是按字节数划分，部分字符转UTF-8后占2字节，导致字段偏移。

解决方案：按字节位置截取字段

改用substrb函数（按字节处理）提取字段，既保证编码转换正确，又匹配原文件的固定列位置。修改后的SAS代码如下：

libname pathdata "/my/dir/dataset";

filename inp "/my/dir/file/prova.txt";
    
data pathdata.prova;
    infile inp encoding="wlatin1" lrecl=270 MISSOVER PAD firstObs=1;
    /* 定义临时变量存储整行，长度匹配文件lrecl */
    length line $270;
    /* 读取整行内容 */
    input line $char270.;
    
    /* 按原文件字节位置截取各字段 */
    colore = substrb(line, 1, 49);
    orig = substrb(line, 50, 200);
    app = substrb(line, 250, 10);
    data_v = substrb(line, 260, 10);
    
    /* 设置变量属性 */
    attrib colore length=$49 format=$char49. informat=$char49. ;
    attrib orig length=$200 format=$char200. informat=$char200. ;
    attrib app length=$10 format=$char10. informat=$char10. ;
    attrib data_v length=$10 format=$char10. informat=$char10.;
    
    /* 删除临时变量 */
    drop line;
run;