字符函数ustrregexm()：文字变量匹配中的英文字母大小写问题

👇 连享会 · 推文导航 | www.lianxh.cn

• 🍎 Stata： Stata基础 | Stata绘图 | Stata程序 | Stata新命令
• 📘 论文： 数据处理 | 结果输出 | 论文写作 | 数据分享
• 💹 计量： 回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归
• ⛳ 专题： SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析
• 🔃 因果： DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
• 🔨 工具： 工具软件 | Markdown | Python-R-Stata
• 🎧 课程： 最新专题 | 计量专题 | 关于连享会

作者： 连玉君 (中山大学)
邮箱： [email protected]

温馨提示： 文中链接在微信中无法生效。请点击底部 「阅读原文」 。或直接长按/扫描如下二维码，直达原文：

目录

• 1. 问题背景

• 2. 例子

• 3. 总结

• 4. 补充说明

• 5. 相关推文

1. 问题背景

处理文字变量时，经常找出包含特定关键词的观察值。若希望查询过程中对英文字母的大小写不敏感，可以使用 ustrregexm() 字符函数，只需 ustrregexm(var, key, 1) 将第三个填项设定为 1 即可。

后文介绍的几个字符函数，都可以在 [FN] string_functions (网页版) 查到其语法和使用说明。

2. 例子

我们先手动生成一份虚构数据：

clear 
input str10 car 
"Audi"
"audi"
"AUDI"
"Audi-Q7"
"TT-AuDI"
end

接下来，对比一下 strpos() , ustrregexm() 等函数的差异：

local key "Audi"
// local key "audi"

gen strpos   =     strpos(car, "`key'")
gen strmatch =   strmatch(car, "`key'")
gen ustr_m0  = ustrregexm(car, "`key'")
gen ustr_m1  = ustrregexm(car, "`key'", 1)
gen regexm   =     regexm(car, "[Aa][Uu][Dd][Ii]")

list , clean noobs

结果如下：

. list , clean noobs 

        car   strpos   strmatch   ustr_m0   ustr_m1   regexm  
       Audi        1          1         1         1        1  
       audi        0          0         0         1        1  
       AUDI        0          0         0         1        1  
    Audi-Q7        1          0         1         1        1  
    TT-AuDI        0          0         0         1        1

在最后一列中，虽然我们使用 regexm() 函数也可以达到相同的效果，但需要耐心设定正则表达式，故而缺乏通用性。

3. 总结

目前看来，若需在字符串查询或匹配时忽略英文字符大小写差异，使用 ustrregexm(s,re[,noc]) ( [ FN] f_ustrregexm ) 是最佳选择。

4. 补充说明

Note: 本文中的帮助文件链接可以使用 ihelp 命令快捷获取：

*-安装
ssc install ihelp, replace   // 若已安装，请跳过此行

产生 PDF 帮助文件链接 [FN] string_functions 和 网页版 的命令如下：

. ihelp string function, m
[**[FN]** string_functions](https://www.stata.com/manuals/fnstringfunctions.pdf)

. ihelp string function, m web
[**[FN]** string_functions](https://www.stata.com/help.cgi?string_functions)

产生 HTML 帮助文件链接 [FN] f_ustrregexm 的命令如下：

. ihelp f_ustrregexm, m web
[**[FN]** f_ustrregexm](https://www.stata.com/help.cgi?f_ustrregexm)

5. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 字符 正则
安装最新版 lianxh 命令：
ssc install lianxh, replace

• 专题： Stata程序
• 连玉君, 2021, Stata错误信息-stacktracenotavailable：安装路径中不要包含中文字符和空格 , Blog No.539.
• 连玉君, 2020, 字符编码问题三个不可见的字符（0xEF-0xBB-0xBF，即BOM） , Blog No.423.
• 专题： 数据处理
• 李依, 2022, Stata数据处理：将字符变量编码为数值变量-encoder , Blog No.950.
• 陈勇吏, 2020, 七条建议：用Stata处理文字变量和字符变量 , Blog No.279.
• 林佳辉, 2020, Stata数据处理：字符型日期变量的转换 , Blog No.319.
• 专题： 文本分析-爬虫
• 梁淑珍, 2022, Stata：正则表达式教程 , Blog No.968.
• 游万海, 2021, 用正则表达式整理文献：正文与文末一一对应 , Blog No.547.
• 游万海, 2020, Stata爬虫-正则表达式：爬取必胜客 , Blog No.287.
• 连享会, 2020, 在VisualStudio(vsCode)中使用正则表达式 , Blog No.10.
• 游万海, 2020, Stata:正则表达式和文本分析 , Blog No.35.
• 连享会, 2020, 正则表达式语言-快速参考 , Blog No.81.