不使用SAScii库/read.SAScii函数适配NHIS分析代码的方法咨询

• 你要复现的NHIS数据分析代码里，read.SAScii的核心作用是三个：从FTP地址下载压缩格式的原始dat数据、自动解压、解析配套SAS脚本里标注的固定宽度列规则，把无分隔符的dat文件读成结构化数据框，最后导出成csv。
• 你目前写的代码有个基础语法错误：NHISread.in.instructions < ftp://xxx 这行缺了赋值符号的后半段，正确写法是<-。另外不能直接用rio::import读这类原始dat文件：这类NHIS公开原始文件是固定宽度格式，没有逗号、制表符这类分隔符，必须靠官方提供的导入脚本指定每一列的起止位置才能正确读入，直接调用import会把所有内容读成乱码。
• 以下给你两个不需要安装SAScii就能实现同等功能的方案，你选一个用就行。

你已经装了rio、dplyr这些包，只需要额外装个readr（属于tidyverse系列，基本不会有安装失败的问题），把read.SAScii的逻辑拆成手动步骤写就行，完整可跑代码如下：

# 基础环境配置
setwd("C:/Users/elif/Downloads")
library(rio)
install_formats()
library(dplyr)
library(survey)
library(readr)

# ========== 处理2014年功能残疾数据 ==========
# 配置资源地址
nhis_2014_zip <- "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2014/funcdisb.zip"
nhis_2014_sas <- "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Program_Code/NHIS/2014/funcdisb.sas"

# 1. 下载文件到临时目录，不用手动存本地占空间
temp_zip <- tempfile(fileext = ".zip")
temp_sas_script <- tempfile(fileext = ".sas")
download.file(nhis_2014_zip, temp_zip, mode = "wb")
download.file(nhis_2014_sas, temp_sas_script)

# 2. 解压压缩包拿到dat原始文件
unzip(temp_zip, exdir = tempdir())
dat_file_path <- list.files(tempdir(), pattern = "\\.dat$", full.names = TRUE)[1]

# 3. 解析SAS脚本里的列配置
sas_script_lines <- readLines(temp_sas_script)
input_block_start <- grep("^\\s*INPUT", sas_script_lines, ignore.case = TRUE)[1]
input_block_end <- grep(";", sas_script_lines[input_block_start:length(sas_script_lines)])[1] + input_block_start - 1
input_config <- sas_script_lines[input_block_start:input_block_end]
# 清洗提取列名、列位置
config_items <- gsub("^\\s+|\\s+$", "", unlist(strsplit(input_config, "\\s+")))
config_items <- config_items[!grepl("INPUT|;", config_items) & nchar(config_items) > 0]
col_names <- gsub("\\$|\\d+-\\d+|\\d+", "", config_items)
col_pos_match <- regmatches(config_items, regexpr("\\d+-\\d+", config_items))
col_start_pos <- as.numeric(gsub("-\\d+", "", col_pos_match))
col_end_pos <- as.numeric(gsub("\\d+-", "", col_pos_match))

# 4. 按固定宽度规则读入dat文件
fdb_2014 <- read_fwf(
  file = dat_file_path,
  col_positions = fwf_positions(start = col_start_pos, end = col_end_pos, col_names = col_names),
  show_col_types = FALSE
)

# 5. 导出为csv
export(fdb_2014, "fdb2014.csv")

# ========== 处理2013年功能残疾数据 ==========
# 替换成2013年的两个资源地址，重复上面的下载、解压、解析、读入、导出步骤即可
nhis_2013_zip <- "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2013/funcdisb.zip"
nhis_2013_sas <- "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Program_Code/NHIS/2013/funcdisb.sas"

CDC官方本来就提供了对应年份的Stata格式导入do文件，逻辑比R更简单，你不用自己写解析逻辑，直接补全下载解压步骤就行，do文件代码如下：

* 设置工作路径
cd "C:/Users/elif/Downloads"

* ========== 处理2014年数据 ==========
* 下载数据压缩包和官方导入do文件
copy "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2014/funcdisb.zip" "funcdisb2014.zip", replace
copy "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Program_Code/NHIS/2014/funcdisb.do" "funcdisb2014.do", replace

* 解压压缩包得到dat文件
unzipfile "funcdisb2014.zip", replace

* 打开下载好的funcdisb2014.do文件，把里面引用dat文件的路径改成你本地解压后的dat文件路径，保存后运行
do "funcdisb2014.do"

* 导出为csv格式
export delimited using "fdb2014.csv", replace

* ========== 2013年数据替换对应资源地址，重复上述步骤即可 ==========

新手提示：如果跑上面的解析代码出问题，不用硬debug，直接手动把zip压缩包和对应SAS/Stata导入脚本下载到本地，解压出dat文件后：

• 用R的话，在RStudio右上角点「Import Dataset」→「Import Fixed Width Text」，选解压好的dat文件，对照导入脚本里列的位置、名称手动配置，点导入后会自动生成正确的读入代码
• 用Stata的话，直接打开官方下的do文件改好dat路径，点运行就能完成导入

内容的提问来源于stack exchange，提问作者Elif