文本中有空格怎么办？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在数据处理过程中经常会遇到文本中含有空格，当我们进行merge匹配时，总是匹配失败，这时该怎么办？很多人想到的方案应该都是用subinstr将空格替换掉，但有时候你会发现subinstr可能会失效，比如下面这个例子（今天刚有人问我的）

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str412 name
   
4. "中国河南国际合作集团有限公司 "            
   
5. "临沂蒙水水表有限公司 "                        
   
6. "宁波中泰燃料有限公司 "                        
   
7. "安瑞科（廊坊）能源装备集成有限公司 "   
   
8. "新疆塔城电力有限责任公司托里供电公司 "
   
9. "新疆昌源水务准东供水有限公司 "            
   
10. "杭州临安恒晟实业投资有限公司 "            
    
11. "青海黄河上游水电开发有限责任公司 "      
    
12. end
    
13. 
    
14. 
    
15. . list
    
16. 
    
17.      +---------------------------------------+
    
18.      |                                  name |
    
19.      |---------------------------------------|
    
20.   1. |         中国河南国际合作集团有限公司  |
    
21.   2. |                 临沂蒙水水表有限公司  |
    
22.   3. |                 宁波中泰燃料有限公司  |
    
23.   4. |   安瑞科（廊坊）能源装备集成有限公司  |
    
24.   5. | 新疆塔城电力有限责任公司托里供电公司  |
    
25.      |---------------------------------------|
    
26.   6. |         新疆昌源水务准东供水有限公司  |
    
27.   7. |         杭州临安恒晟实业投资有限公司  |
    
28.   8. |     青海黄河上游水电开发有限责任公司  |
    
29.      +---------------------------------------+

复制代码

一眼望去似乎没什么问题，但仔细看一下，你会发现公司名称最后一位多了个空格。这时候如果我们采用subinstr来替换空格，你会发现，根本不起作用，不信你可以试试。

1. . replace name=subinstr(name," ","",.)
   
2. (0 real changes made)

复制代码

此时，我想到这可能不是一般意义上的空格，我猜测可能是全角空格、制表符或其他杂七杂八的空格。这个时候，正则表达式就有用武之地了，我们可以用“\s”来干掉这些莫名其妙的空格，我也不用知道你究竟是什么类型空格，全部给你干掉。

1. . replace name=ustrregexra(name,"\s","")
   
2. (8 real changes made)
   
3. 
   
4. . list
   
5. 
   
6.      +--------------------------------------+
   
7.      |                                 name |
   
8.      |--------------------------------------|
   
9.   1. |         中国河南国际合作集团有限公司 |
   
10.   2. |                 临沂蒙水水表有限公司 |
    
11.   3. |                 宁波中泰燃料有限公司 |
    
12.   4. |   安瑞科（廊坊）能源装备集成有限公司 |
    
13.   5. | 新疆塔城电力有限责任公司托里供电公司 |
    
14.      |--------------------------------------|
    
15.   6. |         新疆昌源水务准东供水有限公司 |
    
16.   7. |         杭州临安恒晟实业投资有限公司 |
    
17.   8. |     青海黄河上游水电开发有限责任公司 |
    
18.      +--------------------------------------+

复制代码

Wow,此时可以看到所有的顽固空白都被轻松消灭了。
结语：今后只要遇到去掉空格问题，我们都可以统一采用这种方法，不必再用subinstr了，因为有时候会失效，而上述方法针对一切顽固空格全消灭。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏4 回帖

关键词：怎么办 generated subinstr generate replace

也可以用trim

1. replace name=trim(name)

复制代码

1. . * Example generated by -dataex-. To install: ssc install dataex
   
2. . clear
   
3. 
   
4. . input str412 name
   
5. 
   
6.                                                                                                                         
   
7. >                                                                                                                       
   
8. >                                                                                                                       
   
9. >                                                          name
   
10.   1. "中国河南国际合作集团有限公司 "            
    
11.   2. "临沂蒙水水表有限公司 "                        
    
12.   3. "宁波中泰燃料有限公司 "                        
    
13.   4. "安瑞科（廊坊）能源装备集成有限公司 "   
    
14.   5. "新疆塔城电力有限责任公司托里供电公司 "
    
15.   6. "新疆昌源水务准东供水有限公司 "            
    
16.   7. "杭州临安恒晟实业投资有限公司 "            
    
17.   8. "青海黄河上游水电开发有限责任公司 "      
    
18.   9. end
    
19. 
    
20. .
    
21. . replace name=trim(name)
    
22. (8 real changes made)
    
23. 
    
24. . list
    
25. 
    
26.      +--------------------------------------+
    
27.      |                                 name |
    
28.      |--------------------------------------|
    
29.   1. |         中国河南国际合作集团有限公司 |
    
30.   2. |                 临沂蒙水水表有限公司 |
    
31.   3. |                 宁波中泰燃料有限公司 |
    
32.   4. |   安瑞科（廊坊）能源装备集成有限公司 |
    
33.   5. | 新疆塔城电力有限责任公司托里供电公司 |
    
34.      |--------------------------------------|
    
35.   6. |         新疆昌源水务准东供水有限公司 |
    
36.   7. |         杭州临安恒晟实业投资有限公司 |
    
37.   8. |     青海黄河上游水电开发有限责任公司 |
    
38.      +--------------------------------------+

复制代码

蓝色 发表于 2021-1-23 10:59
也可以用trim

好久没看到蓝色版主留言发帖啊，太棒了！

蓝色 发表于 2021-1-23 10:59
也可以用trim

但是我发现trim只能去掉文本末尾的空格，无法去掉中间的空格：

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str412 name
   
4. "中国河南国际合作集团有限公司"            
   
5. "临沂蒙水水表有限公司"                        
   
6. "  宁波中   泰燃料   有限   公司   "         
   
7. "安瑞科（廊坊）能源装备集成有限公司"   
   
8. "新疆塔城电力有限责任公司托里供电公司"
   
9. "新疆昌源水务准东供水有限公司"            
   
10. "杭州临安恒晟实业投资有限公司"            
    
11. "青海黄河上游水电开发有限责任公司"      
    
12. end

复制代码

可以发现中间以及后面都有空格，用trim只能去掉末尾空格；

1. . replace name=trim(name)
   
2. (1 real change made)
   
3. 
   
4. . list
   
5. 
   
6.      +--------------------------------------+
   
7.      |                                 name |
   
8.      |--------------------------------------|
   
9.   1. |         中国河南国际合作集团有限公司 |
   
10.   2. |                 临沂蒙水水表有限公司 |
    
11.   3. |        宁波中   泰燃料   有限   公司 |
    
12.   4. |   安瑞科（廊坊）能源装备集成有限公司 |
    
13.   5. | 新疆塔城电力有限责任公司托里供电公司 |
    
14.      |--------------------------------------|
    
15.   6. |         新疆昌源水务准东供水有限公司 |
    
16.   7. |         杭州临安恒晟实业投资有限公司 |
    
17.   8. |     青海黄河上游水电开发有限责任公司 |
    
18.      +--------------------------------------+

复制代码

1. . replace name=ustrregexra(name,"\s","")
   
2. (1 real change made)
   
3. 
   
4. . list
   
5. 
   
6.      +--------------------------------------+
   
7.      |                                 name |
   
8.      |--------------------------------------|
   
9.   1. |         中国河南国际合作集团有限公司 |
   
10.   2. |                 临沂蒙水水表有限公司 |
    
11.   3. |                 宁波中泰燃料有限公司 |
    
12.   4. |   安瑞科（廊坊）能源装备集成有限公司 |
    
13.   5. | 新疆塔城电力有限责任公司托里供电公司 |
    
14.      |--------------------------------------|
    
15.   6. |         新疆昌源水务准东供水有限公司 |
    
16.   7. |         杭州临安恒晟实业投资有限公司 |
    
17.   8. |     青海黄河上游水电开发有限责任公司 |
    
18.      +--------------------------------------+

复制代码

所以无论空格出现在何处，都能有ustrregexra正则表达式。

没错trim不能删除中间的空格
但是两端的应该是可以删除的

1. clear
   
2. input str40 name
   
3. "  宁波中  有限   公司   "            
   
4. end
   
5. 
   
6. gen name1=trim(name)
   
7. 
   
8. 
   
9. dataex name1

复制代码

1. . clear
   
2. 
   
3. . input str40 name
   
4. 
   
5.                                          name
   
6.   1. "  宁波中  有限   公司   "            
   
7.   2. end
   
8. 
   
9. .
   
10. . gen name1=trim(name)
    
11. 
    
12. .
    
13. .
    
14. . dataex name1
    
15. 
    
16. ----------------------- copy starting from the next line -----------------------
    
17. [CODE]
    
18. * Example generated by -dataex-. To install: ssc install dataex
    
19. clear
    
20. input str26 name1
    
21. "宁波中  有限   公司"
    
22. end

复制代码

------------------ copy up to and including the previous line ------------------

Listed 1 out of 1 observations
[/code]

可以看出两端的都删除了

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str412 name
   
4. "中国河南国际合作集团有限公司 "            
   
5. "临沂蒙水水表有限公司 "                        
   
6. "宁波中泰燃料有限公司 "                        
   
7. "安瑞科（廊坊）能源装备集成有限公司 "   
   
8. "新疆塔城电力有限责任公司托里供电公司 "
   
9. "  新疆昌源   水务准   东供水   有限公司      "            
   
10. "杭州临安恒晟实业投资有限公司 "            
    
11. "  青海黄河上游水电开发   有限责任公司 "      
    
12. end
    
13. replace name=subinstr(name," ","",.)
    
14. 
    
15. dataex/code]
    
16. 
    
17. [code]. * Example generated by -dataex-. To install: ssc install dataex
    
18. . clear
    
19. 
    
20. . input str412 name
    
21. 
    
22.                                                                                                                
    
23. >                                                                                                               
    
24. >                                                                                                               
    
25. >                                                                                  name
    
26.   1. "中国河南国际合作集团有限公司 "            
    
27.   2. "临沂蒙水水表有限公司 "                        
    
28.   3. "宁波中泰燃料有限公司 "                        
    
29.   4. "安瑞科（廊坊）能源装备集成有限公司 "   
    
30.   5. "新疆塔城电力有限责任公司托里供电公司 "
    
31.   6. "  新疆昌源   水务准   东供水   有限公司      "            
    
32.   7. "杭州临安恒晟实业投资有限公司 "            
    
33.   8. "  青海黄河上游水电开发   有限责任公司 "      
    
34.   9. end
    
35. 
    
36. . replace name=subinstr(name," ","",.)
    
37. (8 real changes made)
    
38. 
    
39. .
    
40. . dataex
    
41. 
    
42. ----------------------- copy starting from the next line -----------------------
    
43. [CODE]
    
44. * Example generated by -dataex-. To install: ssc install dataex
    
45. clear
    
46. input str412 name
    
47. "中国河南国际合作集团有限公司"            
    
48. "临沂蒙水水表有限公司"                        
    
49. "宁波中泰燃料有限公司"                        
    
50. "安瑞科（廊坊）能源装备集成有限公司"   
    
51. "新疆塔城电力有限责任公司托里供电公司"
    
52. "新疆昌源水务准东供水有限公司"            
    
53. "杭州临安恒晟实业投资有限公司"            
    
54. "青海黄河上游水电开发有限责任公司"      
    
55. end

复制代码

------------------ copy up to and including the previous line ------------------

Listed 8 out of 8 observations
[/code]

我这里运行是可以删除的

好奇怪，这个数据在dta文件里时，运用subinstr是不行的，但是用dataex复制出来放在帖子中，然后再复制粘贴过去后，就可以用subinstr了。你可以试一下附件中的dta文件，就知道subinstr不行了，除非你把数据复制到其他地方，比如txt中，再复制回来，就可以用subinstr了。 1.dta (9.73 KB)

2021-1-23 21:24:12 上传

帖子中通过dataex给的数据，通过这种复制粘贴的方式，数据中的特殊空格已经变成普通空格了，真正我们要解决的问题是上一楼我给的dta文件中的空格，这才是我说的顽固空格。

zdlspace 发表于 2021-1-24 13:26
帖子中通过dataex给的数据，通过这种复制粘贴的方式，数据中的特殊空格已经变成普通空格了，真正我们要解决 ...

看了你提供的dta数据
现在unicode编码中空格是有好几种编码的。
你的数据最后的空格的编码是是char(160)
而一般的空格编码是char(32)。
所以用subinstr替换不了。

非常感谢，我对编码这一块始终没太明白。那么char(160)是怎么用键盘打出来的呢？