如何修改SAS代码消除SUBSTR函数的无效参数提示

问题背景 #

在SAS 9.4 M6环境中，使用PRXPARSE、PRXMATCH和SUBSTR函数提取字符串到fname与data_year变量时，处理第2条观测（_N_=2）出现「Invalid second argument to function SUBSTR」错误提示，需修改代码消除该提示，同时保留原有输出结果。

原代码 #

Data _Null_;
  retain re;
  if _N_ = 1 then do;
    re = PRXPARSE("/\d{4} | \d{4}-d{4}/");
  end;

  length data_year $10   fname $100; 
  infile datalines length = reclen /* lrecl = 32767 */; 
  input string $varying32767. reclen;
  /* Creating variables for data file name  and data year */
  d_position = prxmatch('m/class="OrangeBox"/',string);         
  if d_position ^= 0 then do;
    fname = scan(scan(scan(string, 2, '#'), 2, '>'), -2,'<') ;
    if find(string,'Longitidinal') ^= 0 then data_year = '  '; 
    else data_year = substr(fname, prxmatch(re,fname),4);
  end;
  put fname = ;
  put data_year=;
  datalines;
<td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-001: 1996 Panel Round 1 Population Characteristics</font></strong></td>
<td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-226: MEPS Panel 23 Three-Year Longitudinal Data File</font></strong></td>
;
run;

原SAS日志 #

fname=MEPS HC-001: 1996 Panel Round 1 Population Characteristics
data_year=1996
NOTE: Invalid second argument to function SUBSTR at line 3159 column 30.
fname=MEPS HC-226: MEPS Panel 23 Three-Year Longitudinal Data File
data_year=
RULE:         ----+----1----+----2----+----3----+----4----+----5----+----6----+----7----+----8----+----9----+----0
3165          <td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-226: MEPS Panel 23 Three-Ye
         101  ar Longitudinal Data File</font></strong></td>
re=1 data_year=  fname=MEPS HC-226: MEPS Panel 23 Three-Year Longitudinal Data File reclen=160
string=<td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-226: MEPS Panel 23 Three-Year Longitudinal Data File
</font></strong></td> d_position=17 _ERROR_=1 _N_=2
NOTE: DATA statement used (Total process time):
      real time           0.00 seconds
      cpu time            0.00 seconds

问题原因分析 #

1. 正则表达式错误：PRXPARSE中的正则/\d{4} | \d{4}-d{4}/存在两处问题：多余空格导致匹配要求数字后必须跟空格；第二个模式中的d{4}是小写字母，应改为\d{4}才能匹配数字。
2. SUBSTR参数无效：当prxmatch(re,fname)返回0（无匹配）时，SUBSTR接收起始位置0，触发错误。
3. 拼写错误：find(string,'Longitidinal')中的单词拼写错误，正确应为Longitudinal，导致第2条观测未进入对应分支，反而执行了SUBSTR逻辑。

修复后的代码 #

Data _Null_;
  retain re;
  if _N_ = 1 then do;
    /* 修正正则：去掉多余空格，把d{4}改为\d{4}，优化匹配逻辑 */
    re = PRXPARSE("/\d{4}(?:-\d{4})?/");
  end;

  length data_year $10   fname $100; 
  infile datalines length = reclen /* lrecl = 32767 */; 
  input string $varying32767. reclen;
  /* Creating variables for data file name  and data year */
  d_position = prxmatch('m/class="OrangeBox"/',string);         
  if d_position ^= 0 then do;
    fname = scan(scan(scan(string, 2, '#'), 2, '>'), -2,'<') ;
    /* 修正单词拼写错误 */
    if find(string,'Longitudinal') ^= 0 then data_year = '  '; 
    else do;
      /* 先获取匹配位置，仅当位置>0时执行SUBSTR */
      match_pos = prxmatch(re,fname);
      if match_pos > 0 then data_year = substr(fname, match_pos,4);
      else data_year = '  ';
    end;
  end;
  put fname = ;
  put data_year=;
  datalines;
<td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-001: 1996 Panel Round 1 Population Characteristics</font></strong></td>
<td width="80%" class="OrangeBox" ><strong><font color="#000000">MEPS HC-226: MEPS Panel 23 Three-Year Longitudinal Data File</font></strong></td>
;
run;

修复说明 #

• 修正正则表达式：改为/\d{4}(?:-\d{4})?/，匹配4位数字或「4位数字-4位数字」格式，消除空格干扰；
• 修正拼写错误：将Longitidinal改为Longitudinal，确保第2条观测正确进入纵向数据分支；
• 增加匹配位置判断：先将prxmatch结果存入变量，仅当位置有效（>0）时调用SUBSTR，避免无效参数；
• 保留原有输出逻辑：非纵向数据提取4位年份，纵向数据设为两个空格，与原需求一致。

内容的提问来源于stack exchange，提问作者user1849365