基于包含元数据的文件构建SAS数据集

我有两个文本文件，一个包含没有标题的原始数据，另一个包含相关的列名和长度。我想使用这两个文件构建一个SAS数据集，其中包含来自一个文件的数据，以及来自另一个文件的列名和长度

包含数据的文件是固定宽度的文本文件。也就是说，每列数据都与文本文件的特定列对齐，并用空格填充以确保对齐

datafile.txt：

John   45   Has two kids
Marge  37   Likes books
Sally  29   Is an astronaut
Bill   60   Drinks coffee

包含元数据的文件由两列以制表符分隔：一列为数据文件中列的名称，另一列为该列的字符长度。这些名称按它们在数据文件中的显示顺序列出

metadata.txt：

Name  7
Age  5
Comments  15

我的目标是创建一个如下所示的SAS数据集：

Name   | Age  | Comments
-------+------+-----------------
John   | 45   | Has two kids
Marge  | 37   | Likes books
Sally  | 29   | Is an astronaut
Bill   | 60   | Drinks coffee

我希望每个列都是元数据文件中指定长度的字符

必须有比我的天真方法更好的方法，那就是使用导入的元数据构造

length

语句和

input

语句，如下所示：

/*导入元数据*/
元数据；
长度colname$50科伦8；
infle'C:\metadata.txt'dsd dlm='09'x；
输入colname$collen；
跑
/*构造长度和输入语句*/
数据为空；
长度透镜输入1000美元；
保留lenstmt inptstmt“”colstart 1；
设置meta end=eof；
调用catx（“”，lenstmt，colname，“$”，colen）；
调用catx（“”，inptstmt，cats（“@”，colstart），colname，“$&”）；
colstart+collen；
如果是eof，那么做；
调用symputx（'lenstmt'，lenstmt）；
调用symputx（“inptstmt”，inptstmt）；
结束；
跑
/*导入数据文件*/
数据文件；
长度&透镜；
填充'C:\datafile.txt'dsd dlm='09'x；
输入&inptstmt；
跑

这让我得到了我需要的，但必须有一个更干净的方法。如果为存储

length

和

input

语句的变量分配的空间不足，或者如果语句长度超过了最大宏变量长度，这种方法可能会遇到麻烦

---

有什么想法吗？

请打电话给我，我可以帮忙

data _null_;
retain start 0;
infile 'c:\metadata.txt' missover end=eof;
    if _n_=1 then do; 
        start=1;
        call execute('data final_output; infile "c:\datafile.txt" truncover; input ');
    end;

input colname :$8.
      collen  :8.
      ;

call execute( '@'|| put(start,8. -l) || ' ' || colname || ' $'|| put(collen,8. -r) ||'. ' );
start=sum(start,collen);

    if eof then do;
        call execute(';run;');
    end;
run;
proc contents data=final_output;run;

---

你所做的是一种相当标准的方法。是的，你可以更仔细地检查；例如，为了谨慎起见，我会为这两条语句分配32767美元

不过，有一些方法可以改善这一点，这可能会消除你的一些担忧

首先，一个常见的解决方案是在行级别构建它（正如您所做的），然后使用

proc sql

创建宏变量。这比数据步方法有更大的最大长度限制（数据步方法的最大长度是32767美元，如果不使用多个变量，SQL是64kib的两倍）

其次，您可以通过写入文件而不是宏变量来超过64k限制。在数据步骤中，不要累加然后使用

call symput

，而是将每一行写入一个

temp

文件（或两个）。然后，<>代码> %>代码>那些文件，而不是在输入数据步中使用宏变量——是的，你可以<代码> %包含在数据步中间的。< /P>

---

还有其他方法，但这两种方法是最常见的，应该适用于大多数用例。其他一些方法包括

callexecute

、

run\u macro

，或使用文件打开命令直接处理文件。一般来说，这两种方法要么比最常见的两种方法更复杂，要么没有那么有用，尽管它们当然也是可以接受的解决方案，在实践中并不少见。

为什么这比OP的例子更干净？如果你认为这是一种改进，请在答案中解释原因，并提供更多信息。@Joe-我认为问题的最后部分回答了为什么我的解决方案更干净。实现此解决方案的用户不需要担心任何大小限制。此外，不会浪费任何数据步骤，也不会创建任何浪费的宏变量。我不反对宏，但我喜欢在需要时使用它们。使用基于调用执行的解决方案，用户无需担心datastep变量大小或宏变量大小限制。然后将其放入您的答案中。你的答案基本上就是代码。仅仅是代码的答案不是很好的答案-他们应该解释它们是如何工作的（至少在某种程度上）以及为什么它们应该为手头的问题工作。是否有一种方法也可以使用

proc sql

完成运行求和，从而在

input

语句中获取输入列？或者，这应该在数据步骤中提前完成？这是您希望提前完成的。对于这种特殊情况，我可能会使用

%include

方法。

proc sql;
  select catx(' ',colname,'$',collen)
    into :lenstmt separated by ' '
    from meta; *and similar for inputstmt;
quit;