SAS文本处理技术问询：解决compress函数去数字合并文本问题及提取指定关键词前内容

嘿，我来帮你搞定这两个SAS文本处理的问题！咱们一步步拆解解决：

问题1：移除数字但保留句子可读性 #

你说用compress函数会把内容压缩成单个单词，大概率是不小心用了会移除空格的修饰符。其实只要精准指定只移除数字，就能保留原有空格和句子结构：

• 正确用法：compress(Comments, '0123456789')
• 这个函数只会删除0-9的数字字符，空格、字母、特殊符号都会原封不动保留，完全不影响句子可读性。

问题2：提取"documented"之前的所有单词 #

要精准截取关键词前的内容，咱们可以结合index和substr函数实现：

1. 用index(Comments, 'documented')定位"documented"在文本中的起始位置
2. 用substr(Comments, 1, 起始位置-1)截取该位置之前的文本
3. 最后用trim()去掉末尾多余的空格，得到干净的结果

完整SAS代码示例 #

下面是针对你提供的示例数据集的完整代码，同时解决两个问题并生成你要的Results列：

/* 创建输入数据集 */
data have;
    input ID Comments $100.;
    datalines;
1  increase documented this credit package requires approval
2  new business modification documented ls&f cancelled
3  annual renewal documented this package requires approval
;
run;

/* 处理文本并生成结果数据集 */
data want;
    set have;
    /* 问题1：移除数字（如果存在），保留空格和原结构 */
    cleaned_comments = compress(Comments, '0123456789');
    /* 问题2：提取"documented"之前的内容 */
    if index(cleaned_comments, 'documented') > 0 then do;
        Results = trim(substr(cleaned_comments, 1, index(cleaned_comments, 'documented') - 1));
    end;
    /* 处理没有"documented"的情况，这里设为空字符串，你可以按需调整 */
    else Results = '';
    drop cleaned_comments;
run;

/* 查看输出结果 */
proc print data=want;
run;

运行这段代码后，就能得到你期望的输出：

ID Comments Results
1 increase documented this credit package requires approval increase
2 new business modification documented ls&f cancelled new business modification
3 annual renewal documented this package requires approval annual renewal

额外小提示 #

• 如果文本中"documented"有大小写变化（比如Documented、DOCUMENTED），可以统一大小写后再查找：index(lowcase(cleaned_comments), 'documented')
• 如果文本中有多个"documented"，这段代码会提取第一个出现的关键词之前的内容，完全匹配你的示例需求

内容的提问来源于stack exchange，提问作者Learner_new