如何对文本数据进行整理

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

求助各位大神
      我需要对一项文本数据进行处理，它是有关专利申请者的数据，现在我要将申请者类型按企业和个人（主要是如何识别人名的问题）进行分类，那么我该如何处理呢？？？我尝试过用   
replace source="企业" if strmatch(source,"*公司*")|strmatch(source,"*厂*") 去处理，虽然可以成功将企业给整理出来，但由于全部数据中有些申请者是科研机构、服务中心等，因此没法将剩余的当作申请者类型为个人，所以我该如何直接将申请者为个人的整理出来呢
以下是部分数据
* Example generated by -dataex-. To install: ssc install dataex
clear
input str202 apper
"申请人： 马云"                                          
"申请人： 鞍钢实业微细铝粉有限公司"            
"申请人： 鞍山双利风机输送机制造有限公司"   
"申请人： 鞍钢实业微细铝粉有限公司"            
"申请人： 张世祺"                                       
"申请人： 鞍山除尘设备有限公司"                  
"申请人： 鞍山双利风机输送机制造有限公司"   
"申请人： 辽宁瀚正环保设备工程有限公司"      
"申请人： 辽宁兰天炉窑集团有限公司"            
"申请人： 辽宁瀚正环保设备工程有限公司"      
"申请人： 鞍钢集团矿业公司"                        
"申请人： 鞍钢集团矿业公司"                        
"申请人： 鞍钢实业微细铝粉有限公司"            
"申请人： 徐昌艳"                                       
"申请人： 谷春刚"                                       
"申请人： 辽宁瀚正环保设备工程有限公司"      
"申请人： 辽宁瀚正环保设备工程有限公司"      
"申请人： 陈喜春"                                       
"申请人： 陈喜春"                                       
"申请人： 鞍钢实业微细铝粉有限公司"            
"申请人： 谷春刚"                                       
"申请人： 安徽省安庆市皖清环保科技有限公司"
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 刘刚"                                          
"申请人： 陈传松"                                       
"申请人： 陈传松"                                       
"申请人： 枞阳县周泽红家庭农场"                  
"申请人： 安徽省安庆市皖清环保科技有限公司"
"申请人： 枞阳县宇瑞环保科技有限公司"         
"申请人： 安徽中科自动化股份有限公司"         
"申请人： 安徽中科自动化股份有限公司"         
"申请人： 安徽省绿巨人环境技术有限公司"      
"申请人： 安徽美琳建筑材料有限公司"            
"申请人： 安徽宝昱电子科技有限公司"            
"申请人： 安徽省安庆市皖清环保科技有限公司"
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 金先普"                                       
"申请人： 刘刚"                                          
"申请人： 胡显三"                                       
"申请人： 刘刚"                                          
"申请人： 安徽启东热能科技有限公司"            
"申请人： 安徽省胜峰机械有限公司"               
"申请人： 安庆市虹泰新材料有限责任公司"      
"申请人： 枞阳县田园面业有限责任公司"         
"申请人： 安徽省安庆市汉城电子通讯有限公司"
"申请人： 刘记"                                          
"申请人： 安徽省安庆市皖清环保科技有限公司"
end

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0 回帖

你的样本数据中，人名长度更短（如果是一个人，人名不会超过4个汉字），因此可以通过字符串长度进行筛选。

Stakiny 发表于 2019-3-31 14:07
你的样本数据中，人名长度更短（如果是一个人，人名不会超过4个汉字），因此可以通过字符串长度进行筛选。

这只是部分数据，些申请者会有多个人

Lawrencefw 发表于 2019-3-31 15:50
这只是部分数据，些申请者会有多个人

看起来你的情况没有一定，我很怀疑有更好之方法 (楼上建议不错)？请列出一、两个多人申请之情况！

黃河泉 发表于 2019-3-31 17:22
看起来你的情况没有一定，我很怀疑有更好之方法 (楼上建议不错)？请列出一、两个多人申请之情况！

* Example generated by -dataex-. To install: ssc install dataex
clear
input str344 apper
"申请人： 中建材（北京）环保工程发展有限公司"                                                        
"申请人： 北京极体科技有限公司"                                                                             
"申请人： 张广亮;张广宇;张玮;李海凤;马立凯;秦广付;梁建武;索少凤;申为民;肖振清"           
"申请人： 中能世华(北京)节能科技有限公司"                                                               
"申请人： 北京安节宝科技发展有限公司"                                                                    
"申请人： 中国核电工程有限公司"                                                                             
"申请人： 北京汽车研究总院有限公司"                                                                       
"申请人： 北京万向新元工程技术有限公司"                                                                 
"申请人： 神华集团有限责任公司;中国神华煤制油化工有限公司;陕西神木化学工业有限公司"
"申请人： 北京极体科技有限公司"                                                                             
"申请人： 北京启明兴华科技有限公司"                                                                       
end

黄老师，第三个申请者为多个

Lawrencefw 发表于 2019-3-31 18:40
* Example generated by -dataex-. To install: ssc install dataex
clear
input str344 apper

可以先split呀