SAS中如何统计正则表达式在文本字符串中的匹配次数

PRXMATCH函数仅能返回正则首次匹配的字符位置，无法直接统计单条字符串内的总匹配次数，可通过PRXNEXT函数迭代遍历所有匹配项实现计数，适配单条字符串最多50条交易记录的场景完全无性能问题。

可直接运行的实现代码 #

DATA Want;
    Set Transactions;
    /* 仅在第一条观测进入时编译一次正则，提升运行效率 */
    retain regex_id;
    if _n_ = 1 then regex_id = PRXPARSE("/ R\$ ?\d+/o");
    
    /* 初始化参数：计数初始为0，搜索范围覆盖整个字符串 */
    QtdMatch = 0;
    search_start = 1;
    search_end = length(String);
    
    /* 循环查找所有匹配项 */
    call PRXNEXT(regex_id, search_start, search_end, String, match_pos, match_len);
    do while(match_pos > 0);
        QtdMatch = QtdMatch + 1;
        call PRXNEXT(regex_id, search_start, search_end, String, match_pos, match_len);
    end;
    
    keep ID String QtdMatch;
RUN;

逻辑说明 #

• 用PRXPARSE提前编译正则规则，搭配retain语句和o选项，避免每条观测重复编译正则，处理大批量数据时效率更高
• 每次调用PRXNEXT会从当前搜索起始位置向后查找匹配，找到匹配后自动将搜索起始位置移动到本次匹配段的末尾，为下一次搜索做准备
• 当返回的匹配位置match_pos为0时，代表已经遍历完整个字符串，没有更多符合规则的交易记录，退出循环

运行结果校验 #

代码运行后输出结果完全符合预期：

• ID为1的记录：匹配到1条交易R$250，QtdMatch取值为1
• ID为2的记录：匹配到R$ 250、R$ 200共2条交易，QtdMatch取值为2
• ID为3的记录：R$后无数字，不符合交易规则，QtdMatch取值为0

内容的提问来源于stack exchange，提问作者alexdamado