将PATSTAT的TLS201_APPLN.csv导入SAS9.4(Unicode)出现乱码如何解决？

我之前帮不少同行解决过PATSTAT数据导入SAS 9.4的乱码问题，核心原因基本都是编码不匹配——PATSTAT导出的CSV文件默认是UTF-8编码，但SAS 9.4在Windows环境下通常默认用WLATIN1（或者GBK这类本地编码），两者不兼容就会导致中文、特殊专利术语显示成乱码。下面给你几个靠谱的解决方法，按优先级来：

方法1：导入时直接指定文件编码（最快最灵活） #

这是单次导入的最优解，不用修改SAS全局设置，直接在导入语句里明确告诉SAS源文件是UTF-8编码。

用PROC IMPORT的示例代码： #

proc import datafile="D:/PATSTAT_data/TLS201_APPLN.csv"  /* 替换成你的文件实际路径 */
    out=work.tls201_appln  /* 输出到WORK库的数据集名 */
    dbms=csv
    replace;
    getnames=yes;  /* 如果CSV第一行是表头就设为yes */
    encoding="utf-8";  /* 关键参数：指定源文件编码为UTF-8 */
run;

如果PROC IMPORT对某些长文本字段处理不太理想（比如截断），可以用更可控的DATA步导入：

DATA步导入示例： #

/* 先定义文件引用，指定编码 */
filename patstat_csv "D:/PATSTAT_data/TLS201_APPLN.csv" encoding="utf-8";

data work.tls201_appln;
    infile patstat_csv dlm="," dsd firstobs=2;  /* firstobs=2跳过表头行 */
    /* 根据PATSTAT字段定义变量长度，避免截断 */
    length appl_id $20 appl_type $5 appl_nr $30 appl_nr_epodoc $30 ...;
    /* 列出所有需要导入的字段，顺序要和CSV列顺序一致 */
    input appl_id appl_type appl_nr appl_nr_epodoc ...;
run;

方法2：修改SAS会话默认编码（适合频繁处理UTF-8数据） #

如果经常要导入PATSTAT或其他UTF-8格式的数据，直接把SAS启动时的默认编码改成UTF-8，一劳永逸。

Windows系统操作步骤： #

1. 找到SAS的桌面快捷方式，右键点击→属性
2. 在「目标」栏的末尾添加 -encoding utf-8，比如原来的目标是：

   "C:\Program Files\SASHome\SASFoundation\9.4\sas.exe"
   

   修改后变成：

   "C:\Program Files\SASHome\SASFoundation\9.4\sas.exe" -encoding utf-8
   

3. 点击「确定」，重新启动SAS，之后所有导入的UTF-8文件都会自动识别编码。

Linux/Unix系统操作步骤： #

修改SAS的配置文件sasv9.cfg（通常在SAS安装目录的SASFoundation/9.4/bin下），找到-encoding相关的配置行，改成：

-encoding utf-8

保存后重启SAS即可。

方法3：确认并转换文件编码（排除文件本身问题） #

有时候乱码可能是文件下载时损坏，或者编码不是UTF-8，可以用Notepad++验证：

1. 用Notepad++打开TLS201_APPLN.csv，看右下角的编码显示（比如「UTF-8」「GB2312」）
2. 如果显示不是UTF-8，点击顶部菜单「编码」→「转为UTF-8」，保存后再导入SAS。

额外注意事项 #

• 导入后如果SAS界面还是显示乱码，但导出为UTF-8文件后能正常显示，说明数据本身是正确的，只是SAS的界面编码没匹配——这时候用方法2修改会话编码就能解决界面显示问题。
• PATSTAT的字段（比如专利名称、摘要）可能包含长文本，导入时一定要给变量设置足够的长度，避免截断导致的“伪乱码”。

内容的提问来源于stack exchange，提问作者Francis