SAS:length,klength,substr,ksubstr,ksubstrb的區(qū)別

我們經(jīng)常會(huì)看到Klength,Ksubstr,以及Kscan等一系列的函數(shù)，由此會(huì)產(chǎn)生疑惑，加K和不加K兩者之間有什么區(qū)別和聯(lián)系。當(dāng)我們在做項(xiàng)目的時(shí)候發(fā)現(xiàn)有時(shí)候不加K也能實(shí)現(xiàn)我們想要得到的結(jié)果，但是有時(shí)候則會(huì)出現(xiàn)亂碼的情況，嘗試加上K后就可以完美規(guī)避掉亂碼這個(gè)問題，為什么會(huì)出現(xiàn)這樣的問題呢？本文告訴你答案。

原來加K是以字符為基礎(chǔ)進(jìn)行處理，也就是你數(shù)字符串中有幾個(gè)字符就是幾個(gè)字符，而不加K是以字節(jié)為基礎(chǔ)進(jìn)行處理。我們知道在SAS中文簡體中一個(gè)漢字（標(biāo)點(diǎn)）占兩個(gè)字節(jié)，一個(gè)數(shù)字占一個(gè)字節(jié)；在SAS UTF-8中一個(gè)漢字（標(biāo)點(diǎn)）占三個(gè)字節(jié)，數(shù)字占一個(gè)字節(jié)，但是SAS 英文版字符和數(shù)字都占一個(gè)字節(jié)，所以在此環(huán)境下Klength和Length、Substr和Ksubstr的功能是一樣的，下面我舉三個(gè)例子，以UTF-8為例：

一、klength和length

例1：計(jì)算test數(shù)據(jù)集中topic這個(gè)字符變量的長度

data test;

input topic $20.;

   cards;

話題Topic 1

話題Topic 2

話題Topic 3

話題Topic 4

話題Topic 5

;

run;

data all1;

set test;

   topic1=klength(topic);

   topic2=length(topic);

run;

結(jié)果如下：

可以看到，由于中文字符在utf-8編碼時(shí)為3個(gè)字節(jié)， 而length函數(shù)計(jì)算的是字節(jié)長度，會(huì)把一個(gè)漢字當(dāng)成3個(gè)長度，數(shù)字當(dāng)做1個(gè)長度，所以計(jì)算結(jié)果為2*3+7=13。而klength函數(shù)會(huì)忽略全角半角，統(tǒng)一把漢字和數(shù)字都當(dāng)做1個(gè)長度，所以計(jì)算結(jié)果為9。

二、ksubstr和substr

例2：提取test數(shù)據(jù)集中topic中前六位的值

data all2;

set test;

   topic1=substr(topic,1,6);

   topic2=ksubstr(topic,1,6);

run;

結(jié)果如下：

可以看到，substr提取出的字符串為“話題”， 而ksubstr提取出了前六個(gè)字符”話題Topi”，所以還是和上面的例子是一個(gè)道理，以K開頭的是以字符為基礎(chǔ)提取字符串，而不以K開頭的以字節(jié)為基礎(chǔ)提取,但是有時(shí)我們會(huì)遇到用substr提取出的字符串出現(xiàn)亂碼的情況，出現(xiàn)這種情況后要怎樣解決呢，看下面一個(gè)例子。

三、substr和ksubstrb

例3：提取test數(shù)據(jù)集中topic中前5位的字符串

data all3;

set test;

   topic1=substr(topic,1,5);

   topic2=ksubstr(topic,1,5);

   topic3=ksubstrb(topic,1,5);

run;

結(jié)果如下：

可以看到，用substr提取出的字符串出現(xiàn)了亂碼，這是因?yàn)閟ubstr函數(shù)提取字符時(shí)是按字節(jié)來提取的，中文字符在utf-8編碼時(shí)為3個(gè)字節(jié)，所以提取指定長度的字符串時(shí)如果截?cái)嗔藵h字，那么返回的結(jié)果顯示出來便會(huì)出現(xiàn)亂碼。此時(shí)用ksubstrb函數(shù)就可以避免出現(xiàn)亂碼的情況，它會(huì)舍棄最后一個(gè)不完整字符，從而保證不會(huì)出現(xiàn)顯示上的亂碼。