含/和,混合分隔符的CSV文件导入及SAS导入报错解决

我来帮你搞定这个导入报错的问题！你遇到的NOTE: Invalid dat...提示，本质原因是你的CSV文件同时使用逗号（,）和斜杠（/）作为字段分隔符，但你当前的SAS数据步只指定了DLM = ','，这就导致SAS无法正确拆分字段，数据读入时发生错位，原本应该读入某个字段的内容被塞进了其他类型的字段（比如日期字段），自然就会触发无效数据的报错。

下面是具体的解决步骤和优化后的代码：

1. 同时指定多个分隔符 #

修改infile语句中的DLM参数，把逗号和斜杠都加入进去，这样SAS会将这两个字符都视为字段分隔符：

infile 'R:/Lipeng_Wang/PATSTAT/Publications.csv' DLM = ',/' DSD missover lrecl = 32767 firstobs = 3 ;

这里的DSD选项很关键，它会自动处理被双引号包裹的字段——如果某个字段内容本身包含逗号或斜杠（比如"New York/USA"），DSD会忽略这些内部的分隔符，避免误拆分字段。

2. 优化日期字段的读入格式 #

你的报错大概率也和publn_date字段有关：如果字段错位，非日期内容被读到这个字段里，或者原始日期是用斜杠分隔的格式（比如10/05/2023），而你用了YYMMDD10.的informat，就会导致日期解析失败。建议改用ANYDTDTE10.这个通用日期格式，它能自动识别多种常见的日期格式（包括斜杠、横杠分隔的）：

input 
    pat_publn_id :29. 
    publn_auth :$29. 
    publn_nr :$29. 
    publn_nr_original :$29. 
    publn_kind :$29. 
    appln_id :29. 
    publn_date :ANYDTDTE10.  /* 自动识别多种日期格式 */
    publn_lg :$29. 
    publn_first_grant :29. 
    publn_claims :29. 
;

3. 先测试小样本数据 #

为了快速验证修改是否有效，建议先导入前几行数据测试，避免直接处理全量大文件浪费时间。只需在infile语句中加入obs=10即可限制读入前10行：

infile 'R:/Lipeng_Wang/PATSTAT/Publications.csv' DLM = ',/' DSD missover lrecl = 32767 firstobs = 3 obs=10 ;

确认测试结果无误后，再去掉obs=10参数处理全量数据。

完整优化后的代码 #

data SASDATA.Publications ;
    infile 'R:/Lipeng_Wang/PATSTAT/Publications.csv' DLM = ',/' DSD missover lrecl = 32767 firstobs = 3 obs=10 ;
    input 
        pat_publn_id :29. 
        publn_auth :$29. 
        publn_nr :$29. 
        publn_nr_original :$29. 
        publn_kind :$29. 
        appln_id :29. 
        publn_date :ANYDTDTE10. 
        publn_lg :$29. 
        publn_first_grant :29. 
        publn_claims :29. 
    ;
    format publn_date YYMMDDd10. ;
run ;

如果测试后还有报错，可以检查SAS日志里具体是哪个字段出现无效数据，针对性调整该字段的informat（比如如果某个字符字段长度不够，把$29.改成更长的$50.）。

内容的提问来源于stack exchange，提问作者Francis