SQL中为重复文本分配统一唯一参考编号的实现方法

这个问题我之前帮不少人处理过，核心就是要给重复的文本字符串建立统一的映射关系，避免同一文本生成不同的编号。下面给你几个实用的方案，不管是导入SAS前做预处理，还是直接在SAS里处理都能实现你的期望结果：

方法1：用Excel公式快速生成（导入SAS前处理） #

如果你的源数据在Excel里，直接用MATCH+TEXT组合公式就能搞定：

• 假设Comments列在B列（从B2开始），Unique_Ref列在C列，在C2单元格输入：

  =TEXT(MATCH(B2,$B$2:$B$1000,0),"00000000")
  

• 然后下拉填充公式即可。
• 原理：MATCH(B2,$B$2:$B$1000,0)会找到当前文本在B列首次出现的位置，TEXT(..., "00000000")把这个位置数字转换成8位带前导零的格式，这样重复的文本会匹配到同一个首次位置，自然得到相同的编号。

方法2：用Power Query批量处理（适合大量数据） #

如果数据量比较大，Excel公式可能有点慢，用Power Query更高效：

1. 把数据导入Power Query编辑器（Excel里点击「数据」→「从表格/范围」）；
2. 复制Comments列到一个新查询，删除重复值，然后添加索引列（从1开始），再把索引列格式化为8位带前导零（右键列→「更改类型」→「文本」，然后用=Text.PadStart([索引],8,"0")生成格式后的编号）；
3. 回到原数据查询，点击「合并查询」，以Comments列为匹配键，和刚才的新查询合并，提取生成的唯一编号列即可。
   这种方法能自动处理所有重复项，而且批量操作不会出错。

方法3：直接在SAS内处理（导入后一步到位） #

如果你更习惯在SAS里操作，导入数据后用PROC SORT加DATA步就能实现：

/* 假设你的原始数据集名为 raw_data */
proc sort data=raw_data;
    by Comments; /* 先按评论内容排序 */
run;

data data_with_ref;
    set raw_data;
    by Comments;
    retain Unique_Ref 0; /* 保持编号值不重置 */
    if first.Comments then Unique_Ref + 1; /* 遇到新的评论时编号+1 */
    format Unique_Ref z8.; /* 格式化为8位带前导零的样式 */
run;

• 原理：RETAIN语句让Unique_Ref的值在数据步循环中保留，每次遇到同一个Comments组的第一条记录（first.Comments为真），编号就加1，z8.格式自动补全前导零，完美匹配你的期望结果。

以上三种方法都能实现你要的效果：相同的Comments对应同一个Unique_Ref，不同的文本按首次出现顺序生成递增的编号。

内容的提问来源于stack exchange，提问作者Matt F