SAS:length,klength,substr,ksubstr,ksubstrb的区别

我们经常会看到Klength,Ksubstr,以及Kscan等一系列的函数，由此会产生疑惑，加K和不加K两者之间有什么区别和联系。当我们在做项目的时候发现有时候不加K也能实现我们想要得到的结果，但是有时候则会出现乱码的情况，尝试加上K后就可以完美规避掉乱码这个问题，为什么会出现这样的问题呢？本文告诉你答案。

原来加K是以字符为基础进行处理，也就是你数字符串中有几个字符就是几个字符，而不加K是以字节为基础进行处理。我们知道在SAS中文简体中一个汉字（标点）占两个字节，一个数字占一个字节；在SAS UTF-8中一个汉字（标点）占三个字节，数字占一个字节，但是SAS 英文版字符和数字都占一个字节，所以在此环境下Klength和Length、Substr和Ksubstr的功能是一样的，下面我举三个例子，以UTF-8为例：

一、klength和length

例1：计算test数据集中topic这个字符变量的长度

data test;

input topic $20.;

   cards;

话题Topic 1

话题Topic 2

话题Topic 3

话题Topic 4

话题Topic 5

;

run;

data all1;

set test;

   topic1=klength(topic);

   topic2=length(topic);

run;

结果如下：

可以看到，由于中文字符在utf-8编码时为3个字节， 而length函数计算的是字节长度，会把一个汉字当成3个长度，数字当做1个长度，所以计算结果为2*3+7=13。而klength函数会忽略全角半角，统一把汉字和数字都当做1个长度，所以计算结果为9。

二、ksubstr和substr

例2：提取test数据集中topic中前六位的值

data all2;

set test;

   topic1=substr(topic,1,6);

   topic2=ksubstr(topic,1,6);

run;

结果如下：

可以看到，substr提取出的字符串为“话题”， 而ksubstr提取出了前六个字符”话题Topi”，所以还是和上面的例子是一个道理，以K开头的是以字符为基础提取字符串，而不以K开头的以字节为基础提取,但是有时我们会遇到用substr提取出的字符串出现乱码的情况，出现这种情况后要怎样解决呢，看下面一个例子。

三、substr和ksubstrb

例3：提取test数据集中topic中前5位的字符串

data all3;

set test;

   topic1=substr(topic,1,5);

   topic2=ksubstr(topic,1,5);

   topic3=ksubstrb(topic,1,5);

run;

结果如下：

可以看到，用substr提取出的字符串出现了乱码，这是因为substr函数提取字符时是按字节来提取的，中文字符在utf-8编码时为3个字节，所以提取指定长度的字符串时如果截断了汉字，那么返回的结果显示出来便会出现乱码。此时用ksubstrb函数就可以避免出现乱码的情况，它会舍弃最后一个不完整字符，从而保证不会出现显示上的乱码。