SAS导入字段含逗号的CSV文件：如何正确读取Movie电影数据集

问题根源 #

你使用的CSV文件本身不符合标准规范：包含逗号的Name字段没有用双引号包裹，导致SAS默认的逗号分隔逻辑会把Name内部的逗号识别为字段分隔符，出现字段错位。

修正方案 #

由于你的CSV中，除了Name字段外，其余字段的位置和格式都是固定的：前两个字段为ID、Underage，最后三个字段为Rating、Year、Rank on IMDb，我们可以先把整行内容读入，再按规则拆分字段，就能完美规避Name含逗号的问题，代码如下：

FILENAME XX '你的Movie.csv实际存储路径';

data movieYY;
    infile XX firstobs=2 truncover;
    /* 先把整行内容读入一个长字符串变量 */
    length whole_line $200 ID $5 Underage $3 Name $100 Rating 8 Year 8 'Rank on IMDb'n 8;
    input whole_line $char200.;

    /* 第一步：从右往左拆分最后3个固定字段 */
    /* 找最后第一个逗号，拆分出IMDb排名 */
    pos_rank = findc(whole_line, ',', 'B');
    'Rank on IMDb'n = input(strip(substr(whole_line, pos_rank+1)), best.);
    whole_line = substr(whole_line, 1, pos_rank-1);

    /* 找倒数第二个逗号，拆分出年份 */
    pos_year = findc(whole_line, ',', 'B');
    Year = input(strip(substr(whole_line, pos_year+1)), best.);
    whole_line = substr(whole_line, 1, pos_year-1);

    /* 找倒数第三个逗号，拆分出评分 */
    pos_rating = findc(whole_line, ',', 'B');
    Rating = input(strip(substr(whole_line, pos_rating+1)), best.);
    whole_line = substr(whole_line, 1, pos_rating-1);

    /* 第二步：从左往右拆分前两个固定字段 */
    /* 找第一个逗号，拆分出ID */
    pos_id = findc(whole_line, ',');
    ID = strip(substr(whole_line, 1, pos_id-1));
    whole_line = substr(whole_line, pos_id+1);

    /* 找第二个逗号，拆分出Underage */
    pos_underage = findc(whole_line, ',');
    Underage = strip(substr(whole_line, 1, pos_underage-1));
    /* 剩下的内容全部是Name，不管含多少逗号都正确 */
    Name = strip(substr(whole_line, pos_underage+1));

    /* 删除过程变量 */
    drop whole_line pos_:;
run;

原代码问题说明 #

你之前写的代码只判断了第一个逗号后的内容是否为数字，逻辑覆盖不全：如果Name字段中包含多个逗号，还是会出现错位问题，而从两端拆分固定字段的逻辑可以兼容所有Name含逗号的情况。

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