1 SAS中的正则表达式（一）

————新手上路，不足之处可后台留言指正————

在SAS编程中有时候会涉及到复杂文本字符的处理，这个时候正则表达式便是一个处理这些复杂文本的利器，包括不限于对字符串的搜索、替换、拆分。

正则表达式简介

Regular Expression

正则表达式是一种文本模式,由一系列字符和符号组成,用于匹配字符串中的字符组合。

1. 正则表达式作为一种规则表达式,可以赋予程序文本处理和字符串匹配的能力。
2. 正则表达式的基本组成元素包括:普通字符、元字符、限定符、括号等。可以构建复杂的匹配模式。
3. 正则表达式在许多编程语言和软件中都有实现,是一种常用的文本处理工具。

正则表达式一般形如：

SAS中正则一般遵循以下语法格式:

‘/正则表达式/’

形如 ('/(?<=\.).*/')

很多人都在说正则是一个很好用的工具，但是不太好学，这里推荐一本书《正则表达式必知必会 》这一本足够入门正则表达式了，包括我写的正则的文章也是基于这本书的内容。另一本书《精通正则表达式》适合已经入门想更精进一步的同学，另外SAS help中关于正则的部分也是很好的学习内容。

正则基本匹配原则

对字符处理的第一步首先是能找到目标文本，就涉及到多种匹配的规则，所以接下来先讲正则表达式的匹配。

01 匹配单个字符（字符一一对应）

比如我们想找到 Ben 写出的正则表达式就是 Ben

这里使用的正则表达式是纯文本，它将匹配原始文本里的Ben。

原义字符和元字符

讲到这里需要引入 原义字符和元字符 的概念。

可以简单这样理解：

原义字符：指代本身的字符，比如正则中B就单指字母B。

元字符：就是指那些在正则表达式中具有特殊意义的专用字符，任何时候要在正则表达式中匹配元字符本身，都必须对它们进行转义。（ \. ）

原义字符若实现功能也需要进行转义。（ \w ）

以下是部分元字符及一些特殊含义的字符

常用的有特殊含义字符/元字符

方括号“[ ]”匹配指定一堆字符中的一个

以上表达式 ^ 代表单词开头， $ 代表单词结尾

[ ] 里面内容作为一个集合，匹配里面任意单词。

所以这个表达式的含义匹配三个字母，第一个字母a或e或i或o或u,第二个字母匹配a,第三个字母匹配t

“+”表示前一字符模式可以被重复1次或n次

“＊”表示前一字符模式可以被重复0次或n次

“{x,y}”表示前一字符模式可以被重复x到y次

“{x,}”表示前一字符模式可以被重复至少x次

“( )”可以指定一堆字符来匹配一个模式

( )里面的内容可以视为一个整体进行出现的。

分支“|”用来指定几个规则只要匹配一个规则即成匹配，或的关系

示例

| 操作符是把位于它左边和右边的两个部分都作为一个整体来看待

19|20\d{2}解释为19或20\d{2}

02匹配一组字符

[0-9] 数字0到数组9之间的任意一个

[a-z] 字母a到字母z的任意一个

此时正则表达式可简化为如下：

03一些具备特定含义的字符

\加一些特定字符具备一些特定的含义，这些字符是区分大小写的

比如 \w 匹配一个字母 \d匹配一个数字

更多的见下表

示例

04 一些可进行重复匹配的字符

一些字符可以进行重复匹配

例如：

+ 前面字符至少出现一次

* 前面字符出现>=0次

？前面字符出现0或1次

更多的见下表

示例

如之前所述，也可以进行设置重复次数

示例

05位置匹配

通过一定的字符可以设定匹配的位置

更多的见下表

---

本次就先到这，下一篇会将继续讲解SAS中正则表达式（包括前后查找，贪婪匹配等）。

观众老爷们，么么哒

ψ(｀∇´)ψ！