如何在SAS中批量解压多份TAQ数据GZ格式文件？

原代码核心问题 #

• 误用SAS自动变量_n_作为循环计数器，导致循环逻辑混乱
• INFILE语句错误添加zip选项（GZ文件仅需gzip参数）
• 缺失INPUT语句，未读取文件内容就执行OUTPUT操作
• Windows路径拼接使用斜杠/，不符合系统路径规范

修正后的SAS代码 #

/* 创建存储解压后数据的数据集 */
data "D:\EQY_US_ALL_TRADES_202107\MainDataset";
  /* 定义文件夹引用 */
  rc = filename("folderef", "D:\EQY_US_ALL_TRADES_202107");
  did = dopen("folderef");
  
  /* 检查文件夹是否成功打开 */
  if did = 0 then do;
    put "ERROR: 无法打开目标文件夹";
    stop;
  end;

  /* 循环处理前2个GZ文件，用自定义变量i替代_n_ */
  do i = 1 to 2;
    filename = dread(did, i);
    
    /* 跳过非GZ格式文件 */
    if scan(filename, -1, '.') ne 'gz' then continue;
    
    /* 拼接完整文件路径，自动适配系统分隔符 */
    fullname = catx('\', pathname("folderef"), filename);
    
    /* 读取GZ压缩文件内容 */
    infile in_gzip filevar=fullname gzip dlm='|' firstobs=2 truncover;
    /* 注意：需根据TAQ数据实际字段修改INPUT语句，以下为示例格式 */
    input trade_date : yymmdd8. trade_time : time10. ticker : $15. price : best32. volume : best32.;
    
    /* 输出记录到数据集 */
    output;
  end;

  /* 关闭文件夹引用 */
  rc = dclose(did);
run;

/* 查看数据集结构 */
proc contents data="D:\EQY_US_ALL_TRADES_202107\MainDataset";
run;

关键注意事项 #

• 循环变量替换：用自定义变量i替代_n_，避免与SAS内置自动变量冲突
• INPUT语句适配：必须根据你的TAQ数据实际字段定义输入格式，示例字段仅作参考
• 路径处理：用catx函数自动处理Windows路径分隔符，避免手动拼接出错
• 扩展处理所有文件：若需处理文件夹内全部GZ文件，将do i = 1 to 2改为do i = 1 to dnum(did)即可（dnum(did)返回文件夹内文件总数）

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