Stata中提取所有匹配正则的字符串生成新变量的技术咨询

刚好碰到过类似的需求，给你整理了一个清晰的实现方法，一步步来：

首先先把你的原始数据代码放出来，方便复现：

clear
input str18 string
"abc bcd cde"
"def efg fgh"
"ghi hij ijk"
end

你之前用regexm()只能判断是否存在匹配，但现在需要把原字符串和所有匹配到的abc、cde、def子串拼接起来，生成wanted变量。这里用循环结合strpos()的方法最直观，也方便后续修改匹配的子串列表：

* 初始化wanted变量为原字符串
gen wanted = string

* 定义需要匹配的目标子串列表，可按需添加或修改
local target_substrings "abc cde def"

* 循环遍历每个子串，匹配到就追加到wanted末尾
foreach sub in `target_substrings' {
    * strpos()判断原字符串是否包含当前子串，存在则拼接
    replace wanted = wanted + " " + "`sub'" if strpos(string, "`sub'")
}

* 查看结果
list

运行这段代码后，就能得到你想要的输出结果：

小说明： #

• 用local定义子串列表的好处是，后续如果要增加或修改匹配的子串，只需要修改这一行即可，不用改动循环逻辑。
• strpos()函数会返回子串在原字符串中的起始位置，如果返回0就表示不存在，这里用它做判断比regexm()更简单直接，当然你也可以换成regexm(string, "sub'")`来做判断，效果是一样的。

内容的提问来源于stack exchange，提问作者b_surial