Character encoding SAS特殊字符摆脱输入的列对齐

我正在将.dat数据集输入sas，用于练习教学信息。这是我到目前为止所拥有的

DATA companies;
    INFILE "/folders/myshortcuts/Stat324/BigCompanies.dat" encoding='wlatin2';
    INPUT rank 3. @6 company $UTF8X25. @35 country $17. @53 sales comma6. @60 profits comma8. @70 assets comma8. @82 marketval comma6.;
RUN;

这适用于除包含特殊/国际字符的行之外的每一行。例如：

94   SociÈtÈ GÈnÈrale             France             $98.6B    $3.3B $1,531.1B    $25.8B

这些行在第一个货币值（@53 sales comma6.）处跳闸，并抛出一条警告，指示为该输入找到了无效数据，并分配了一个缺少的值（.）

---

使用@pointers和informat w值似乎表明特殊字符偏离了列对齐，这可能吗（一个特殊字符即使作为单个字符打印，实际上也会占用2位/空格。有简单的解决方案吗？

是的，你完全正确：如果字符是用UTF8编码的，它们可能占用1到4个字节，其中许多字符占用一个字节，但有些字符占用更多的字节（这里称为“特殊字符”）。如果SAS将文件读取为

WLATIN1

，则它将假定每个字节都是单独的字符

您的代码让我有点困惑：您指定文件为WLATIN1，但随后指示SAS在该字段中读取UTF-8。它是哪一个

---

如果您的会话编码与UTF-8兼容，并且要读入的文件编码为UTF-8，那么您可能需要简单地将infle上的编码切换为UTF-8。如果您的文件具有混合编码，并且有一个无法使用UTF-8编码读入的原因，那么您可能会遇到一个复杂的问题，需要使用speci来处理al代码（即，计算UTF8部分的实际长度，然后将指针移到正确的位置以读取中的下一个字段）。您也可以使用分隔符来读取此内容；这在一定程度上取决于数据的确切格式。

infle语句中的wlatin1和utf-8用于获取所有内容，包括特殊的国际字符。但是，在这两种情况下，指针从第一个$xx.xB值开始都不正确，即使国家/地区umn对于任何包含这些国际字符的行都是可以读取的。我不确定文件是如何编码的，特别是。如果有帮助的话，它是一个.dat文件。有没有简单的方法告诉SAS，当它在输入步骤中遇到特殊字符时，用相应的普通字符替换它？即å到a？您的SAS se是什么编码SESSION using？（如果您不确定，这可能由您的配置文件决定）它是sas大学版/sas studio，我想我记得读到它默认为utf-8？您可以发布到您的文件（或包含一些utf-8字符的子集）的链接吗？如果可以，请编辑到问题中。