找到单词时的Stata标志，而不是strpos答案

【问题标题】：Stata flag when word found, not strpos找到单词时的Stata标志，而不是strpos
【发布时间】：2021-03-07 17:35:20
【问题描述】：

我有一些带字符串的数据，我想在找到单词时进行标记。单词将被定义为在字符串的开头、结尾或分隔一个空格。 strpos 会在字符串出现时找到，但我正在寻找类似于 subinword 的东西。 Stata 有没有办法使用subinword 的功能而不必替换它，而是标记这个词？

clear 
input id str50 strings
1 "the thin th man"
2  "this old then"
3 "th to moon"
4 "moon blank th"
end

gen th_pos = 0
replace th = 1 if strpos(strings, "th") >0

上面的代码将标记每个观察，因为它们都包含“th”，但我想要的输出是：

ID      strings          th_sub
1   "the thin th man"      1
2   "this old then"        0
3   "th to moon"           1
4   "moon blank th"        1

【问题讨论】：

标签： string stata

【解决方案1】：

一个小技巧是"th" 作为一个单词的前后都会有一个空格，除非它出现在字符串的开头或结尾。例外并不是真正的挑战，因为

gen wanted = strpos(" " + strings + " ", " th ") > 0

围绕它们工作。否则，有一组丰富的正则表达式函数可供使用。

上面的例子标记了不做你想做的事情的代码压缩到一行，

gen th_pos = strpos(strings, "th") > 0

更直接的答案是您不必更换任何东西。你只需要让 Stata 告诉你如果你这样做会发生什么：

gen WANTED = strings != subinword(strings, "th", "", .)

如果删除子字符串（如果存在）会更改字符串，则它一定存在。

【讨论】：

【解决方案2】：

正则表达式对于这种类型的练习很有用，单词边界允许您搜索由\b 指示的整个单词，如"\bword\b"。

gen wanted = ustrregexm(strings, "\bth\b")

【讨论】：