regex - SAS : How do I find nth instance of a character/group of characters within a string?

Question

我试图找到一个函数来索引字符的第 n 个实例。

例如，如果我有字符串 ABABABBSSSDDEE 并且我想找到 A 的第三个实例，我该怎么做？如果我想找到 AB

的第 4 个实例怎么办？

ABABABBABSSDDEE

data HAVE;
   input STRING $;
   datalines;
ABABABBASSSDDEE
;
RUN;

Answer 1

下面是使用 SAS find() 函数查找 SAS 字符串中一组字符的第 N 个实例的简化实现:

     data a;
        s='AB bhdf +BA s Ab fs ABC Nfm AB ';
        x='AB';
        n=3;

        /* from left to right */
        p = 0;
        do i=1 to n until(p=0); 
           p = find(s, x, p+1);
        end;
        put p=;

        /* from right to left */
        p = length(s) + 1;
        do i=1 to n until(p=0); 
           p = find(s, x, -p+1);
        end;
        put p=;
     run;

如您所见，它支持从左到右和从右到左的搜索。

您可以将这两个组合成一个 SAS 用户定义函数(负数 n 表示从右到左搜索，就像在 find 函数中一样):

     proc fcmp outlib=sasuser.functions.findnth;
        function findnth(str $, sub $, n);
           p = ifn(n>=0,0,length(str)+1);
           do i=1 to abs(n) until(p=0);
              p = find(str,sub,sign(n)*p+1);
           end;
           return (p);
        endsub;
     run;

请注意，上述使用 FIND() 和 FINDNTH() 函数的解决方案假设搜索到的子字符串可以与其先前的实例重叠。例如，如果我们在字符串“ABAAAA”中搜索子字符串“AAA”，那么“AAA”的第一个实例将在位置 3 中找到，第二个实例 - 在位置 4 中。也就是说，第一个和第二个实例是重叠的。出于这个原因，当我们找到一个实例时，我们将位置 p 增加 1 (p+1) 以开始搜索的下一次迭代(实例)。但是，如果这种重叠在您的搜索中不是有效的情况，并且您想在前一个子字符串实例结束后继续搜索，那么我们不应该将 p 增加 1，而是增加子字符串 x 的长度。这将加快我们的搜索速度(子字符串 x 越长)，因为我们将在遍历字符串 s 时跳过更多字符。在这种情况下，在我们的搜索代码中，我们应该将 p+1 替换为 p+w，其中 w=length(x)。

我最近的 SAS 博文 Finding n-th instance of a substring within a string 中描述了这个问题的详细讨论。 .我还发现使用 find() 函数比在 SAS 中使用正则表达式函数要快得多。