在SAS中将HTML表格的.txt文件重建为数据集

我目前正在使用SAS版本9，尝试以.txt格式读取一个HTML表格的平面文件，该表格取自下一页（标题为韦恩·鲁尼的比赛历史）：

我已经使用pythonwebscraper和Scrapy将数据保存到一个.txt文件中。我的.txt文件的格式如下所示：

17-08-2013,1:4，斯旺西，曼联，28'，7.26，助攻，26-08-2013,0:0，曼联，切尔西，90'，7.03，无，14-09-2013,2:0，曼联，水晶宫，90'，8.44，比赛最佳进球，17-09-2013,4:2，曼联，拜耳勒沃库森，84'，9.18，进球助攻，22-09-2013,4:1，曼彻斯特城，曼联，90',，7.17，进球黄牌，2013年9月25日，1:0，曼联，利物浦，90'，无，比赛最佳助攻，2013年9月28日，1:2，曼联，西布罗姆维奇阿尔比恩，90'.

……等等。我想要的是一个与原始表具有相同格式的数据集。我对SAS很熟悉，但倾向于不太使用infle语句。我尝试了一些主题变体，但这种语法使我最接近我想要的：

filename myfile "C:\Python27\Football Data\test.txt";

    data test;
    length date $10.
           score $6.
           home_team $40.
           away_team $40.
           mins_played $3.
           rating $4.
           incidents $40.;

    infile myfile DSD;
    input date $
          score $
          home_team $
          away_team $
          mins_played $
          rating $
          incidents $ ;
run;

这将返回仅包含表的第一行的数据集。我曾尝试使用固定的宽度和指针来设置数据集维度，但由于团队名称等内容的长度可能会发生很大的变化，这会导致数据从平面文件错误地重新组合

我想我已经完成了大部分工作，但最后一点也做不到。如果有人知道我需要的确切语法，那就太好了

---

谢谢，我会直接从网上读的。像这样的东西；这个方法大约可以工作50%，但写起来却花了整整10分钟，我相信它可以很容易地改进

基本方法是使用

@'string'

读取字符串后面的文本。您最好将其作为ByTestStream阅读，并在

上进行正则表达式匹配
filename rooney url "http://www.whoscored.com/Players/3859/Fixtures/Wayne-Rooney" lrecl=32767;
data rooney;
infile rooney scanover;
retain are_reading;
input @;
if find(_infile_,'<table id="player-fixture" class="grid fixture">')
    then are_reading=1;
if find(_infile_,'</table>') then are_reading=0;
if are_reading then do;
    input @'<td class="date">' date ddmmyy10. 
          @'class="team-link">' home_team $20.
          @'class="result-1 rc">' score $10.
          @'class="team-link">' away_team $20.
          @'title="Minutes played in this match">' mins_played $10.
          @'title="Rating in this match">' rating $6.
    ;
output;
end;
run;

我删除了
dsd
，因为它与
分隔符不兼容；如果确实需要DSD，则可以将其添加回，删除该分隔符，并将分钟作为字符读入。我为评级添加了
？？
，因为它有时是“无”的，所以
？？
忽略了关于这一点的警告。
您不想直接从web将文件读取到SAS中的任何特定原因？使用正则表达式解析HTML？听起来像波涛汹涌的海水@joe在使用SAS之前，我已经直接从网络上阅读了一些东西，它可以正常工作，但对于多次提交来说，速度太慢了。python是一种实际的web开发语言，它还提供了容易编写可伸缩代码的选项，而SAS则没有。您知道如何使用SAS infle语句读取我的平面文件吗？@RawFocus在这里几乎不适用。@如果您知道自己在做什么，user3045351 SAS的可伸缩性与Python差不多，并且它不应该比Python慢很多，除非您正在做大量的拉取（数百万次？）。至于阅读你的平面文件，我会更新答案。
data want;
infile "c:\temp\test2.txt" flowover dlm="',:"  lrecl=32767;
informat date ddmmyy10.
           score_1 score_2 2.
           home_team $40.
           away_team $40.
           mins_played 3.
           rating 4.2
           incidents $40.;
    input date 
          score_1 
          score_2
          home_team $
          away_team $
          mins_played 
          rating ??
          incidents $ @@;
run;