Stata-从.txt输入数据时，使用“输入”&引用；以及，

我正在使用perl将下面的内容从.txt中提取出来，我最终会将其引入Stata。什么格式选项有效？我有很多这样的观察，所以我想使用一种方法，我可以概括

原始数据的格式如下：

 First Name: Allen
 Last Name: Von Schmidt
 Birth Year: 1965
 Location: District 1, Ocean City, Cape May, New Jersey, USA

 First Name: Lee Roy
 Last Name: McBride
 Birth Year: 1967
 Location: Precinct 5, District 2, Chicago, Cook, Illinois, USA

目标是在Stata中创建变量：

  First Name: Allen
  Last Name: Von Schmidt
  Birth Year: 1965
  County: Cape May
  State: New Jersey

  First Name: Allen
  Last Name: McBride
  Birth Year: 1967
  County: Cook
  State: Illinois

什么可能的.txt会导致这种情况，我将如何将其加载到Stata中

此外，在这两个例子中，术语的数量在位置上有所不同，但我总是希望在USA之前使用2

目前，我在.txt表中的每个变量周围加上“”

 "Allen","Von Schmidt","1965","District 1, Ocean City, Cape May, New Jersey, USA"
 "Lee Roy","McBride","1967","Precinct 5, District 2, Chicago, Cook, Illinois, USA"

有没有更好的方法格式化.txt文件？如何在Stata中创建相应的变量

谢谢你的帮助

---

另外，我知道stata使用内嵌或insheet，可以处理或制表符来分隔变量。我不知道如何在perl中使用所有这些工具刮取类似变量的位置，所以我添加了“

有两种方法可以做到这一点。第一种方法是将数据粘贴到do文件中并使用输入。假设格式相当规则，您可以使用逗号轻松地对其进行清理。请注意，我删除了逗号：

#delimit;
input
str100(first_name last_name yob geo);
 "Allen" "Von Schmidt" "1965" "District 1, Ocean City, Cape May, New Jersey, USA";
end;

compress;
destring, replace;

split geo, parse(,);

rename geo1 district;
rename geo2 city;
rename geo3 county;
rename geo4 state;
rename geo5 country;
drop geo;

第二种方法是直接从txt文件中插入数据，这可能更容易。这假定未删除逗号：

 #delimit;
 insheet first_name last_name yob geo using "raw_data.txt", clear comma nonames;

---

然后像第一个例子一样清理它。

这不是一个完整的答案，但我需要比注释（很容易）允许的更多空间和灵活性

一个技巧是从末端剥离元素。最简单的方法是开始查找最后一个逗号，它又是反向字符串中的第一个逗号。使用strpos（反向（stringvar

），“，”

）

例如，第一个commma由

strpos（）

找到，如下所示

. di strpos("abcd,efg,h", ",")
5

. di strpos(reverse("abcd,efg,h"), ",")
2

最后一个逗号是这样的

. di strpos("abcd,efg,h", ",")
5

. di strpos(reverse("abcd,efg,h"), ",")
2

一旦知道最后一个逗号在哪里，就可以去掉最后一个元素。如果最后一个逗号位于反向字符串中的位置#，则它位于字符串中的位置-#

. di substr("abcd,efg,h", -2, 2)
,h

这些示例显然是针对单个字符串的计算器样式的示例。但是对于整个字符串变量，最后一个元素可以类似地剥离

. gen poslastcomma = strpos(reverse(var), ",") 
. gen var_end = substr(var, -poslastcomma, poslastcomma) 
. gen var_begin = substr(var, 1, length(var) - poslastcomma) 

一旦你习惯了这样的东西，你就可以用更少的变量写出更复杂的语句，但是慢慢地，慢慢地，一步一步地学习会更好

顺便说一下，一个常见的Stata学习者错误（在我看来）是假设字符串问题的解决方案必须使用正则表达式。如果你对正则表达式非常熟练，你自然可以用它们做一些奇妙的事情，但是其他字符串函数结合起来也可以非常强大

在您的特定示例中，听起来好像您希望忽略最后一个元素，例如“USA”，然后依次处理下一个元素，并向后处理

---

split

在Stata中也很好（我是一个粉丝，而且确实是它的假定作者），但是如果一次分割产生不同数量的元素，那么可能会很尴尬，这就是我的初衷

谢谢大家!！根据更新后的帖子，我对第一种方法有太多的观察。第二种方法使用从压缩开始的第一种方法？那么，这个“”没有问题吗？中的空格也不表示名称？从compress开始。只要没有人叫麦克“刀”“Gangsterson应该行。内部空间可以。谢谢！如果可以的话，请进行一次跟进。我注意到术语的数量因位置而异，但我总是希望2先于美国。这种方法是否仍然适用？我不确定我是否完全理解。你能发布一些示例吗？足够公平。发布的示例是否有帮助？在原始数据中a、 第二个在开始的时候有一个额外的学期。谢谢你的帮助！！