用SAS读入原始数据（1）：文本文件 的四种格式与TaoToken配置骨架

1. 为什么 SAS 读文本文件总在 INPUT 语句上翻车SAS 读入原始数据这件事说简单也简单一个data步加infile加input就能跑说难也难难就难在input语句的写法完全取决于源文件长什么样。文本文件常见后缀有.txt、.dat、.csv在 Unix/Linux 环境下还可能出现.data甚至没有后缀的文件。它们大体分成两类一类是字段固定Fixed Fields的每个字段占的列数写死用编辑器打开能看到列标尺另一类是分隔符固定Delimited Data的字段之间靠同一个符号隔开最常见的就是逗号。对应这两类文件SAS 提供了四种基本输入模式列输入模式Column、格式化输入模式Formatted、列举输入模式List、命名输入模式Named。前两种针对字段固定的文件第三种针对分隔符固定的文件第四种用得少因为原始数据很少长成那个样子。很多人第一次接触 SAS 读数据卡点不在语法本身而在于拿到一个文件不知道它属于哪一类、该用哪种模式、input里到底写列号还是写格式。这篇就把这四种模式一次讲透每种都给可复制的代码和验证动作。同时如果你在用 AI 辅助编码工具比如 Claude Code、Cursor 这类帮你写 SAS 脚本我会顺带给出settings.json/config.toml的配置骨架以及通过 TaoToken 统一 Key 和 API 通道接入的方式让本地 SAS 环境和 AI 工具协同起来一次把四种读入方式跑通并确认通道连通。2. 前置准备TaoToken 通道与本地 SAS 环境2.1 为什么要在 SAS 场景里接 AI 辅助SAS 的input语句写法琐碎列号数错一位、格式写错一个字符日志里就是一堆NOTE: Invalid data。用 AI 辅助工具帮你生成和检查input语句能省掉大量对着列标尺数格子的时间。但前提是 AI 工具要能稳定调用模型这就需要一条统一的 API 通道。TaoToken 在这里的角色是提供统一的 Key 和 API 入口你不需要在多个工具里分别配置不同的模型服务地址。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基础地址是 https://taotoken.net/api 这个地址不加 UTM 参数。2.2 拿到 Key 并确认通道先在控制台创建 API Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content Key 管理页面在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。创建好之后先别急着写 SAS用一条最简单的请求确认通道是通的。curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 回复 OK 两个字母即可}], max_tokens: 16 }返回里能看到choices数组和内容就说明 Key 和通道都没问题。这一步很重要因为后面 AI 工具报错时你要能区分是工具配置问题还是通道本身问题。2.3 本地 SAS 环境检查本地 SAS 这边确认你能跑通一个最小的data步即可。在 SAS Studio 或 Display Manager 里执行data _null_; put SAS environment OK; run;日志里出现SAS environment OK就说明环境正常。接下来准备四个测试文件分别对应四种输入模式。建议在C:/sasdata/下建目录文件内容如下。字段固定的文件example1.dat第一行是表头从第二行开始是数据ID Name 001 Alice 002 Bob 003 Carol字段固定带格式的文件example2.datAlice Engineer Beijing Bob Analyst Shanghai逗号分隔的文件example3.dat001,Alice,Widget,1,234 002,Bob,Gadget,2,345命名模式的文件example4.dat1 NameTom ScoreA 2 NameJim ScoreC3. 四种输入模式的配置骨架与逐模式验证3.1 列输入模式Column字段固定文件的首选列输入模式适用于字段固定的文本文件input语句直接给出每个变量的开始列和结束列。基本形式是input 变量名 $ 开始列-结束列 ...字符变量在变量名后加$。data work.example1; infile C:/sasdata/example1.dat firstobs2 obs100; input ID 1-3 Name $ 5-10; run; proc print datawork.example1; run;firstobs2跳过表头obs100限制读入行数调试阶段很有用。列输入模式的优点是字段选择灵活可以任意挑列、任意安排读入次序同一个字段还能重复读入字段之间不一定要有分隔符字符变量最多可含 32K 个字符并且可以包含空格缺失数据没有特殊占位符要求一个空格字段就读为缺失值不会影响其他字段。局限也很明确可以设定输入长度但不能设定输入格式。对数值型变量只能读入标准数值数字、正负号、小数点、科学计数符号 E 构成的数。日期型数据以及带美元符号、逗号的数值因为需要格式支持列输入模式读不了。验证动作跑完proc print确认输出三行数据ID 是 001/002/003Name 是 Alice/Bob/Carol。如果 Name 被截断检查5-10的列范围是否覆盖完整。3.2 格式化输入模式Formatted字段固定但需要格式格式化输入模式跟列模式类似也适用于字段固定的文件区别在于它给出字段开始列但不直接给结束列而是通过输入格式给出读入长度并且可以设定输入格式。input语句形式是input 指针控制 变量名 输入格式 ...。指针控制有两种n表示从第 n 列开始读入是绝对位置n表示把列指针增加 n 列后读入是相对位置。data work.example2; infile C:/sasdata/example2.dat; input Name $ 2. 3 Job $5. 7 Place $8.; run; proc print datawork.example2; run;这里Name $ 2.表示读 2 个字符3把指针移到第 3 列Job $5.读 5 个字符7相对跳过 7 列Place $8.读 8 个字符。格式化模式的关键价值在于能处理带格式的数值比如日期用mmddyy10.、带逗号的金额用comma9.。验证动作确认输出里 Name、Job、Place 三列都正确没有错位。如果错位多半是n和n混用时列号算错了建议先用n绝对定位把每个字段的起始列标出来。3.3 列举输入模式List分隔符固定文件的最简写法列举输入模式针对分隔符固定的文件input语句特别简单直接写变量名即可默认分隔符是空格。如果分隔符不是空格需要在infile里用dlm指明。data work.example3; infile C:/sasdata/example3.dat dlm,; length item $ 10.; input ID Name $ item $ income:comma9.; run; proc print datawork.example3; run;列举模式下变量长度默认是 8超过 8 的字符变量会被截断所以这里用length item $ 10.;显式设定长度。列举模式也可以设定输入格式在变量名后加冒号和格式即可比如income:comma9.就能把带逗号的数值正确读入。验证动作确认item列没有被截断成 8 个字符以内income列读入的是数值而不是缺失。如果income是缺失检查comma9.格式是否匹配源数据里的逗号位置。3.4 命名输入模式Named少见但要知道命名输入模式很少见因为原始数据很少长成变量名值的形式。它的input语句写法是input 变量名格式 ...。data work.example4; infile C:/sasdata/example4.dat; input ID Name$3. Score$1.; run; proc print datawork.example4; run;验证动作确认 ID、Name、Score 三列都正确读入。这种模式在实际项目里遇到概率低但面试或考试里可能出现知道写法即可。3.5 AI 辅助工具的配置骨架如果你用 Claude Code 这类工具帮你写 SAS 脚本配置骨架大致如下。settings.json里配置 API 通道{ apiProvider: openai-compatible, apiBaseUrl: https://taotoken.net/api, apiKey: 你的_TAOTOKEN_API_KEY, model: claude-sonnet-4-20250514, maxTokens: 4096 }如果用config.toml风格的工具骨架是[provider] base_url https://taotoken.net/api api_key 你的_TAOTOKEN_API_KEY model claude-sonnet-4-20250514 [generation] max_tokens 4096 temperature 0.2配置好之后可以让 AI 工具帮你检查input语句的列号是否对齐或者根据一段源数据生成对应的input语句。模型对话入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。如果你长期用 AI 做编码和 Agent 任务Coding Plan 在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。4. 一次跑通四种模式的完整验证脚本把四种模式放在一个脚本里依次跑完并输出日志方便确认每种模式都正常工作。/* 列输入模式 */ data work.example1; infile C:/sasdata/example1.dat firstobs2 obs100; input ID 1-3 Name $ 5-10; run; /* 格式化输入模式 */ data work.example2; infile C:/sasdata/example2.dat; input Name $ 2. 3 Job $5. 7 Place $8.; run; /* 列举输入模式 */ data work.example3; infile C:/sasdata/example3.dat dlm,; length item $ 10.; input ID Name $ item $ income:comma9.; run; /* 命名输入模式 */ data work.example4; infile C:/sasdata/example4.dat; input ID Name$3. Score$1.; run; /* 统一输出验证 */ proc print datawork.example1; title Column Mode; run; proc print datawork.example2; title Formatted Mode; run; proc print datawork.example3; title List Mode; run; proc print datawork.example4; title Named Mode; run;跑完之后日志里每种模式对应的data步都应该只有NOTE没有ERRORproc print输出的行数和列值都符合预期。如果某个模式报Invalid data回到对应小节检查input语句。5. 本篇常见报错与排查5.1 NOTE: Invalid data 与列号错位最常见的报错是NOTE: Invalid data for 变量名 in line ...。列输入模式下多半是列号范围写错比如Name $ 5-10实际字段只到第 9 列第 10 列是空格读进来就是缺失。排查方法是先用infile加obs5只读前几行配合put _infile_;把原始行打印出来对着数格子。5.2 字符变量被截断列举模式下默认长度 8超过就截断。日志里会有NOTE: 变量名 was truncated之类的提示。解决办法是在input之前用length语句显式设定长度比如length item $ 10.;。注意length语句要放在input之前否则不生效。5.3 分隔符不匹配导致整行读成一个字段dlm,写成了dlm ,或者源文件实际是制表符分隔却用了逗号都会导致整行被读成一个字段。排查方法是先确认源文件的实际分隔符可以用infile加dlm09x处理制表符。另外注意dlm和delimiter是等价的但dlm更常用。5.4 格式化输入模式指针算错n和n混用时最容易算错。建议先用绝对定位n把每个字段的起始列标出来确认无误后再考虑用n简化。如果input语句里同时有n和n记住n是绝对位置会覆盖之前的指针位置。5.5 AI 工具报通道错误如果 AI 工具报 401 或连接失败先用第 2.2 节的curl命令确认 Key 和通道本身没问题。如果curl通但工具报错检查settings.json或config.toml里的apiBaseUrl是否写成了https://taotoken.net/api注意不要多加/v1后缀具体路径由工具自己拼接。模型名也要和通道支持的模型一致。6. 把四种模式用起来按文件类型选模式实际项目里拿到一个文本文件先判断它是字段固定还是分隔符固定。字段固定的用列输入模式或格式化输入模式需要格式支持的日期、带逗号数值用格式化模式分隔符固定的用列举输入模式分隔符不是空格就在infile里用dlm指明。命名输入模式遇到再用不用刻意记。配置好 TaoToken 通道之后你可以让 AI 工具帮你根据源文件的前几行生成input语句草稿再自己对着列标尺核对一遍。模型对话入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。长期做编码和 Agent 任务的话Coding Plan 在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。四种模式跑通之后下一步就是处理更复杂的场景比如多行一条记录、行内换行、缺失值占位符不统一。这些都是在input语句和infile选项上做文章核心还是先判断文件类型再选模式最后对着日志调列号和格式。