如何使用 SAS 或 PROC SQL 从列中删除字符串和标点符号？

Question

我有一个专栏，里面有很多公司名称，没有任何清理，如下所示。但我想进行清理以从公司名称中删除字符串列表，以便我可以将它们分组在一起。

我有一个专栏，里面有很多公司名称，没有任何清理，如下所示。但我想进行清理以从公司名称中删除字符串列表，以便我可以将它们分组在一起。

字符串列表：com、llc、ltd、corp、stores

| Company |
| --- |
| Amazon |
| Amazon.com |
| Amazon.llc |
| Amazon.ltd |
| Amazon corp |
| Amazon stores |

我还想从公司名称中删除标点符号和空格，因此期望的结果可以是这样的：

| Company |
| --- |
| Amazon |
| Amazon |
| Amazon |
| Amazon |
| Amazon |
| Amazon |

我已经使用Python完成了我的项目，但我需要将其转换为SAS或PROC SQL，但我不熟悉这两种语言，所以感谢任何帮助。

Answer 1

正则表达式应该可以让这变得简单：

([\. ])(com|ltd|llc|corp|stores)

https://regex101.com/r/FhnEwN/1

在 SAS 中，使用正则表达式查找和替换字符串是通过

prxchange

函数完成的，其工作原理如下：

string = prxchange('s/regex here/replacement string/', times, string);

其中

times

是您要进行的替换数量。 -1表示替换所有匹配项。如果将替换字符串保留为空值，如下所示：

's/regex here//'

，那么您将有效地删除匹配的值。

将其转换为 SAS：

data want;
    set have;
    company = prxchange('s/([\. ])(com|ltd|llc|corp|stores)//', -1, company);
run;

Company
Amazon
Amazon
Amazon
Amazon
Amazon
Amazon