静态分析200+SAS程序，提取外部输入库与数据集方案问询

我们拥有200余个SAS程序文件，需识别这些程序的所有输入SAS库与数据集，生成关联程序文件与输入数据集的对照表。我们并非SAS程序员，刚接触该语言，目的是重构SAS程序逻辑以提升模块化程度。本次为静态分析——不运行SAS，仅通过解析程序源码提取数据，且无数据文件访问权限。

我们解析SAS程序以识别Proc与Data步骤的输入，但面临诸多挑战：

• 使用Python解析器提取SAS文件关键信息，已应用于全部200+文件并导出解析内容至文本文件，但该解析器未支持所有SAS语法：DataSet块为未解析原始文本，参数数量与名称可变的Proc可能被遗漏，部分set/merge结构完全未被现有语法规则捕获。
• 该解析器仅能准确定位约60%的文件，尤其是Set语句前的库与文件，但部分SET命令关联的库/文件未被捕获，原因不明。
• 除Set命令外，SAS还可在Merge或Sort过程中引用库/文件，无需特定Set命令。
• 我们忽略处理过程中创建的work库内SAS文件，仅关注外部输入文件。

注：我们无法运行这些程序，仅能访问SAS程序源码，因此无SAS日志可用。

1. 是否有更直接的实现方法？SAS是否可识别自身读写的文件？是否有方法提取SAS程序关联的所有读写库与文件列表？
2. 若无法通过程序化方式实现，除SET、MERGE、SORT过程外，SAS还有哪些访问或引用外部库/文件的方式？

问题1解答：更直接的静态分析方法 #

SAS官方工具大多依赖运行环境（比如Enterprise Guide的依赖分析、Metadata Server的资产映射），但你无法运行程序，只能依赖静态解析工具，可尝试以下方向：

• 使用专业SAS语法解析工具：优先选择基于ANTLR框架开发的SAS语法解析器，这类工具能覆盖更完整的SAS语法规则，包括宏变量、复杂Proc参数、多行语句等场景，比普通Python解析器兼容性更好，无需运行SAS即可完成源码解析。
• 自定义正则增强解析：针对未被捕获的SET/MERGE语句，编写适配SAS语法的正则表达式，匹配libname.dataset或无库名的默认库数据集引用，同时处理注释、换行、宏变量占位符等干扰项；先解析LIBNAME语句识别所有外部库，再过滤掉work.开头的数据集。
• 宏预处理：SAS宏会动态生成数据集引用，需先解析宏定义、宏变量赋值逻辑，再展开宏内容后进行数据集识别，这能覆盖大量动态生成的数据源引用。

关于SAS识别自身读写文件的能力：若能运行程序，可通过PROC CONTENTS、日志输出或Metadata获取，但静态分析下只能通过源码解析，没有内置的直接提取方法。

问题2解答：其他外部库/文件访问方式 #

除SET、MERGE、PROC SORT外，SAS还有多种引用外部数据的方式，需重点排查：

• PROC SQL语句：通过SELECT、JOIN等操作引用外部数据集，比如SELECT * FROM libname.dataset或多表关联查询。
• 宏变量与宏程序：宏中动态生成的数据集引用，比如%let ds=libname.data; data new; set &ds; run;，需解析宏定义后展开识别。
• INFILE语句：直接读取外部文本文件（CSV、TXT等），比如infile "path/to/file.csv" dlm=',';。
• PROC IMPORT/PROC EXPORT：PROC IMPORT会引用外部文件路径作为输入源（比如Excel、CSV），属于关键输入数据。
• DATA步MODIFY语句：修改外部数据集，比如data libname.dataset; modify libname.dataset; run;，会读写外部库文件。
• PROC DATASETS：管理外部库中的数据集，比如proc datasets lib=libname; delete dataset; run;，会引用目标库与数据集。
• FILENAME语句：定义外部文件的逻辑名称，后续通过该逻辑名访问文件，比如filename input "path/to/file.txt"; data new; infile input; run;。

内容的提问来源于stack exchange，提问作者John Held