提取与变量匹配的字符串中的术语

Question

我有一个带有两个字符串变量的大数据集：people_attending和special_attendee：

*Example generated by -dataex-. To install: ssc install dataex
clear
input str148 people_attending str16 special_attendee
"; steve_jobs-apple_CEO; kevin_james-comedian; michael_crabtree-football_player; sharon_stone-actor; bill_gates-microsoft_CEO; kevin_nunes-politician" "michael_crabtree"
"; rob_lowe-actor; ted_cruz-politician; niki_minaj-music_artist; lindsey_whalen-basketball_coach"                                                      "niki_minaj"      
end

第一个变量的长度各不相同，其中包含参加活动的每个人的列表及其标题。名称和标题用短划线隔开，与会者用分号和空格隔开。第二个变量与第一个变量中包含的名称之一完全匹配。

我想创建第三个变量，以提取第二个变量中列出的任何人的标题。在上面的示例中，我希望新变量对于观察1为“ football_player”，对于观察2为“ music_artist”。

Answer 1

这里是一种使用简单正则表达式的方法：

generate wanted = subinstr(people_attending, special_attendee, ">", .)
replace wanted = ustrregexs(0) if ustrregexm(wanted, ">(.*?);")
replace wanted = substr(wanted, 3, strpos(wanted, ";")-3)

list wanted

     +-----------------+
     |          wanted |
     |-----------------|
  1. | football_player |
  2. |    music_artist |
     +-----------------+

第一步，用标记>代替名称。然后，使用正则表达式提取相关子字符串。在最后一步，您要清理。