stata中_stata中字符串的处理

最近处理一些审计相关的数据，遇到一个小的需求，从CPA的分所层级的单位数据中提取其事务所层级数据。举例来说，已知张三的工作单位是“安永华明会计师事务所(特殊普通合伙)四川分所”，需要提取其工作单位“安永华明会计师事务所(特殊普通合伙)”。

这个小问题看似简单，但以前没碰到过，实际处理起来还是花了点时间。首先，每家事务所的名字长度不一定，俩字、仨字、四字甚至五字都有可能，这就导致substr函数没有了用武之地；其次，虽然“XX分所”大多是四个字，但总有几个例外，如“石家庄分所”、“黑龙江分所”，这样要提取分所信息也更复杂；并且，找了一下似乎stata上也没发现字符串相减的函数，所以，即使提取出了分所信息，这种间接做法也行不通。

最后，观察字符串发现一个规律：虽然字符数不定，但是好在所有的“XX分所”前一定是反括号“)”，通过搜索，运用定位+截取的办法解决了这个问题。首先，运用strrpos定位反括号的最后的位置（strpos是定位指定字符第一次出现的位置，但因为有些字符串括号不止出现一次，如“XX(集团)事务所(特殊普通合伙)XX分所”，所以定位最后出现的位置）；然后，运用substr截取字符串从开头到最后反括号位置的子字符串。

---

字符串的处理，是决定数据清洗效率的重要环节。有些问题可能stata已经提供了简便的处理办法，只是因为我们没有用过，就不知道，所以平时碰到问题多角度思考处理办法，搜索相关的资料，还是有用的。我也去翻了一下stata操作手册的字符函数，大致浏览了一下官方提供的字符处理函数。在了解下面的函数之前，需