有关state 正则表达式 regex 消歧义

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

电脑相关信息：stata版本：stata16MP
PC系统：win10

问题具体描述：
对于ustrregex函数中，用以表示任意字符的.和用以说明前一表达式匹配个数为任意的*合用为(.*)时的一些可能的问题。
数据样式：

 变量名： var1
观测值1: {A00002B;?B11111B;?C44444A},B33333E,{B9999R;?A22222D},B44444F,{B3333D;?D4444H}

数据说明：以,作为分隔符，首字母为某项目的大类类别，{}代表某项目可能从属于多个类别，其中不同类别以;?分隔，可以看出该观测值都具有大类B。

处理目的：希望将所有包含比大类B小的大类项目去掉（即将所有{}中包含首字母为A的项目去掉）

问题分析：

由于A只可能出现在{A或者;?A这两个位置，则以此作为识别标志

命令尝试

 gen var2 = ustrregexra(var1,"(\{A(.*)\}|\{\(.*)(;\?A)(.*)})","")

命令分析：

要删除的一定在花括号{}中，所以通过转义符\确定\{\}，中间除了紧跟在左花括号{的A和原有分隔符;?的A外，存在数字、字母、标点，因此统一用(.*)来描述

发现问题：

可能出现对{A...},B...,{...(该括号中没有A类)}或者{...(该括号中没有A类)},B..,{..;?A..}或者{A...},B...,{..;?A...}这三种情况的误判。即并不能保证只在一对花括号中进行匹配

勉强可行的修改方式：

由于确定所有类别号仅有大写英文和数字组成，可将花括号中的分隔符;?替换为小写字母，然后将表示任意字符的(.*)更改为任意大小写字母和数字的([a-zA-Z0-9]*)

但这种修改法只能用于这种特定的情况（能用小写字母作为花括号中的分隔符）

希望大家解决：

regex中的“非”命令：如何在(.*)中剔除某些特定的字符或字符串组合？

即，如何在\{(.*)\}中保证\}是在\{之后的第一个\}?

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

关键词：State 正则表达式 REG ATE 表达式