如何使用 SOUNDEX 标记一个单词是否听起来像字符字段中的任何单词？

Question

我有一个很长的字符变量（最多 12,000 个字符），我想在该变量中找到一个听起来像某个词的字符串。
如果字符串在变量中，我还想创建一个等于 1 的变量。比方说，为了争论起见，我要查找的词是 "Mary"（不区分大小写）。以下是名为 "question":

的数据集中名为 "string" 的变量中的四个示例字符串

玛丽有一只小羊羔，它的羊毛像雪一样白
Jack be nimble Jack be quick Jack jump over the candlestick
我觉得你我应该结婚
其实我不想结婚

字符串 1 和 3 的标志变量应该 = 1（因为 Mary 和 marry）。

很遗憾，我认为我无法使用此代码：

DATA answer;
   SET question;
   IF FINDW(string, SOUNDEX("Mary")) ne 0 THEN flag=1;
     ELSE flag=0;
RUN;

它不起作用，因为 SAS 正在尝试在字符串（而不是实际字符串 "Mary"）中查找 "Mary" 的 soundex 代码。关于如何解决这个问题有什么想法吗？

Answer 1

这是一种方法。遍历每个单词并计算该单词的 soundex 。如果 soundex 匹配，它会跳出循环，以提高效率。

data test_set;
    infile datalines dsd;
    length string 0;
    input string;
    datalines;
Mary had a little lamb its fleece was white as snow
Jack be nimble Jack be quick Jack jump over the candlestick
I think you and I should marry each other
I actually do not want to get married
;
run;

data test_set1(keep=string flag);
    set test_set;

    length i_word 0;

    flag = 0;

    mary_soundex = soundex("mary");

    word_count = countw(string);

    i = 1;

    do while (i le word_count and flag ne 1);
        i_word = scan(string, i);
        i_word_soundex = soundex(i_word);
        if mary_soundex eq i_word_soundex then flag = 1;
        i = i + 1;
    end;
run;

更多关于将句子分解成单词的信息： http://blogs.sas.com/content/iml/2016/07/11/break-sentence-into-words-sas.html

如何使用 SOUNDEX 标记一个单词是否听起来像字符字段中的任何单词？

How to flag if a word sounds like any word within a character field, using SOUNDEX?

string

soundex

sas

find