Stata中如何去除字符串变量末尾的特定后缀（如INC、CO等）

针对字符串变量中末尾带INC、CO、& CO等后缀的情况，用正则表达式可以一次性高效处理，兼顾大小写、后缀前的空格以及可选的点（如INC.）：

核心代码（推荐Unicode版本） #

假设你的公司名称变量名为company，生成清理后的变量clean_company：

* 匹配并移除末尾的指定后缀，大小写不敏感
gen clean_company = ustrregexr(company, "\s*(?:& CO|CO|INC)\.?$", "", 1)
* 清理首尾多余空格
replace clean_company = ustrtrim(clean_company)

正则表达式说明 #

• \s*：匹配后缀前的0个或多个空格（比如"ABC CO"中的空格）
• (?:& CO|CO|INC)：非捕获组，按顺序匹配多个后缀（先匹配& CO避免误拆）
• \.?：匹配可选的英文点号（兼容INC.、CO.这类写法）
• $：锚定字符串末尾，确保只移除结尾的后缀
• 最后一个参数1：开启大小写不敏感模式，兼容inc、Inc等写法

扩展支持更多后缀 #

如果需要处理LLC、LTD等其他后缀，直接在正则组中添加即可：

gen clean_company = ustrregexr(company, "\s*(?:& CO|CO|INC|LLC|LTD)\.?$", "", 1)
replace clean_company = ustrtrim(clean_company)

旧版Stata兼容方案 #

若你的Stata版本不支持ustrregexr，可以用regexr配合大小写转换：

* 先转大写匹配后缀，再清理空格
gen clean_company = regexr(upper(company), "\s*(?:& CO|CO|INC)\.?$", "")
* 还原为首字母大写格式（按需调整）
replace clean_company = proper(clean_company)
replace clean_company = ustrtrim(clean_company)

测试案例 #

内容的提问来源于stack exchange，提问作者Ali