如何高效提取含特定数字后缀的ID并移除该后缀？

现有不同长度的ID数据，需提取末尾包含-00、02或-01的ID以统计命中率，随后移除这些后缀。尝试使用SUBSTR函数切片处理，但因ID格式多样效果不佳，现寻求更高效的SAS代码实现方案。

尝试过的代码 #

Proc sql;
Create table work.data1 AS
SELECT Product, Amount_sold, Price_per_unit,
CASE WHEN Product Contains "Pen" and Lenghth(ID) >= 9 Then ID = SUBSTR(ID,1,9)
WHEN Product Contains "Book" and Lenghth(ID) >= 11 Then ID = SUBSTR(ID,1,11)
WHEN Product Contains "Folder" and Lenghth(ID) >= 12 Then ID = SUBSTR(ID,1,12)
...
END AS ID
FROM A 
Quit;

现有数据 #

期望结果 #

解决方案 #

方法1：正则表达式（高效通用） #

利用SAS的正则函数PRXCHANGE直接匹配并替换目标后缀，同时用PRXMATCH标记命中状态用于统计命中率：

Proc sql;
Create table work.data1 AS
SELECT 
    Product, 
    Amount_sold, 
    Price_per_unit,
    /* 替换末尾的-00、-01或空格+02为空 */
    PRXCHANGE('/(-00|-01| 02)$/', 1, ID) AS ID,
    /* 标记是否命中目标后缀（1=命中，0=未命中） */
    CASE WHEN PRXMATCH('/(-00|-01| 02)$/', ID) THEN 1 ELSE 0 END AS hit_flag
FROM A;
Quit;

• 优势：无需按产品类型区分ID长度，自动适配所有格式的ID，代码简洁高效。
• 正则说明：$表示匹配字符串末尾，确保只处理末尾的后缀；|表示或逻辑，覆盖三种后缀情况。

方法2：字符串函数组合（无需正则） #

通过LIKE判断后缀类型，再用SUBSTR截取有效ID部分：

Data work.data1;
Set A;
/* 判断是否包含目标后缀 */
if ID like '%-00' or ID like '%-01' or ID like '% 02' then do;
    hit_flag = 1;
    /* 根据后缀分隔符截取前半部分 */
    if substr(ID, length(ID)-2, 1) in ('-', ' ') then do;
        ID = substr(ID, 1, length(ID)-3);
    end;
end;
else do;
    hit_flag = 0;
end;
Run;

• 优势：无需了解正则语法，逻辑直观，适合对正则不熟悉的场景。

内容的提问来源于stack exchange，提问作者Jing Jing