SPSS 字符串变量教程

作者：Ruben Geert van den Berg (SPSS String Variables)

在 SPSS 中处理字符串变量（string variables）如果掌握了一些基本的字符串函数，就会变得非常简单。本教程将快速介绍一些重要的函数。

SPSS 主要字符串函数

• CHAR.SUBSTR (substring，子字符串) - 从字符串中提取字符
• CONCAT (concatenate，连接) - 连接字符串
• CHAR.INDEX - 查找字符在字符串中首次出现的位置
• CHAR.RINDEX (right index，右索引) - 查找字符在字符串中最后一次出现的位置
• REPLACE - 将字符串中的字符替换为不同的字符
• CHAR.LENGTH - 返回字符串中的字符数
• LTRIM (left trim，左修剪) - 删除前导空格（或极少数情况下的其他字符）
• RTRIM (right trim，右修剪) - 删除尾随空格（或极少数情况下的其他字符）
• LOWER (lower case，小写) - 将所有字母转换为小写
• UPCASE (upper case，大写) - 将所有字母转换为大写

SPSS 语法示例

我们要求受访者输入他们的名字（first name）、姓氏前缀（surname prefix）和姓氏（last name）。我们希望将这些信息合并为完整的姓名，并纠正一些不规范之处，例如不正确的大小写和多余的空格。为了创建一些测试数据，请关闭所有打开的数据集，并运行以下语法（syntax）：

***创建迷你测试数据集。
**
set unicode off.
data list free/s1 s2 s3 (3a20).
begin data
'ANNEKE' ' VAN DEN ' 'BERG' 'daan' '' 'balvert' 'a' '' 'b'
end data.

1. 纠正名字

• 一种方法是首先单独纠正每个姓名组成部分，然后将它们组合起来。
• 对于手头的数据，名字应该以大写字母开头，其余字母应该小写。
• 我们将把事情分解成小步骤。我们将逐渐使用替换（substitution）来组合这些步骤：在函数中使用函数。
• 建议您在运行每个步骤后仔细检查结果。
• 注意，有关于 子字符串 和 连接 的单独教程。

***1. 声明新的字符串变量。
**
string n1 to n4 (a20).

***2. 提取名字的第一个字母。
**
compute n1 = char.substr(s1,1,1).
exe.

***3. 转换为大写。
**
compute n1 = upcase(n1).
exe.

***4. 替换：在 upcase 函数中使用 substring 函数。
**
compute n1 = upcase(char.substr(s1,1,1)).
exe.

***5. 提取剩余的字母并转换为小写。
**
compute n1 = lower(char.substr(s1,2)).
exe.

***6. 替换：连接先前尝试的结果。
**
compute n1 = concat(upcase(char.substr(s1,1,1)),lower(char.substr(s1,2))).
exe.

2. 纠正姓氏前缀

• 由于这些是荷兰名字，姓氏前缀应该完全是小写。
• 但是，我们将首先使用 LTRIM 函数删除任何前导空格。
• 接下来，我们将把双空格替换为单空格。有关更正更长空格序列的信息，请参见 SPSS LOOP 命令 的第二个语法示例。

***1. 删除前导空格。
**
compute n2 = ltrim(s2).
exe.

***2. 替换：删除前导空格并转换为小写。
**
compute n2 = lower(ltrim(s2)).
exe.

***3. 将双空格替换为单空格。
**
compute n2 = replace(n2,' ',' ').
exe.

3. 组合名字和姓氏

• 对于姓氏，与名字的规则相同：第一个字母大写，其余字母小写。
• 因此，我们可以重用我们为名字编写的表达式，只需进行一些小的修改。
• 现在，组合名字、中间名和姓氏需要比基本连接稍微多一些。这是因为 SPSS 会自动在字符串值的右侧填充空格，以匹配字符串变量的长度。
• 因此，连接 3 个长度为 20 的字符串将生成一个长度为 60 的字符串。如果变量宽度不足，则只会显示前几个字符。这就是下面示例中发生的情况（尽管它 看起来像 连接不起作用）。
• 在 Unicode 模式下，RTRIM 会自动应用。但是，无论 SPSS 是否处于 Unicode 模式，都可以在语法中包含它，以确保一切正常工作。

***1. 重用用于名字的大小写语法，用于姓氏。
**
compute n3 = concat(upcase(char.substr(s3,1,1)),lower(char.substr(s3,2))).
exe.

***2. 如果省略 rtrim，则 concat 似乎不起作用。
**
compute n4 = concat(n1,n2,n3).
exe.

***3. 正确的连接，但应插入空格。
**
compute n4 = concat(rtrim(n1),rtrim(n2),rtrim(n3)).
exe.

***4. 最终连接。
**
compute n4 = concat(rtrim(n1),' ',rtrim(n2),' ',rtrim(n3)).
exe.

***5. 将双空格替换为单空格。
**
compute n4 = replace(n4,' ',' ').
exe.

4. 标记单字母姓名

• 不幸的是，并非所有受访者都填写了他们的真实姓名。许多此类情况无法从手头的数据中检测到，但很容易识别出一些可疑模式。
• 一种这样的模式是非常短（1 或 2 个字母）的名字或姓氏。由于我们在数据中分别提供了这些信息，我们可以使用 CHAR.LENGTH 来标记这些情况。
• 对于组合姓名，名字包含直到第一个空格的所有字母。我们可以使用 CHAR.INDEX 函数找到它。
• 相反，姓氏包含 最后一个 空格之后的所有字母，可以通过 CHAR.RINDEX 找到它。从姓名的长度中减去最后一个空格的位置会返回姓氏的长度。
• 例如，“Anneke van den Berg” 是 19 个字母。最后一个空格是第 15 个字母。现在 19 减去 15 返回 4 - 这确实是 “Berg” 的长度。

***1. 从单独的姓名组成部分中查找短名字/姓氏。
**
compute flag_1a = char.length(s1).
compute flag_1b = char.length(s3).
exe.

***2. 从组合姓名中查找短名字/姓氏。
**
compute flag_2a = char.index(n4,' ') -1.
compute flag_2b = char.length(n4) - char.rindex(rtrim(n4),' ').
exe.