其他
import delimited | 再也不用担心读入网页源代码“乱七芭蕉”了
本文作者：戴 雯，中南财经政法大学金融学院
本文编辑：崔赵雯
技术总编：余术玲
爬虫俱乐部云端课程
1 应用背景
infix
fileread()函数
import delimited
2 语法介绍
import delimited的基本语法如下：import delimited [using] filename [, import_delimited_options]
其中，
import delimited为命令主体，不可省略；using为指定读入的文件，读入整个文本文件时可省略；filename为读入文本文件的文件名，一般来说，文本文件分为以逗号分隔的csv文件和以制表符分隔的txt文件；import_delimited_options为在基础命令上添加的选项。
import delimited 中包含了丰富的选项，下面小编就选取一些比较常用的为大家介绍：import_delimited_options | 用途 |
|---|---|
clear | 替换内存的已有数据 |
rowrange([start][:end]) | 指定读入的行范围 |
colrange([start][:end]) | 指定读入的列范围 |
numericcols(numlist|_all) | 指定某列或全部列为数值型 |
stringcols(numlist|_all) | 指定某列或全部列为字符型 |
case(preserve|lower|upper) | 指定读入的变量名的大小写，默认小写 |
encoding(encoding) | 指定数据编码类型 |
delimiters("chars"[, collapse|asstring]) | 指定分隔符 |
值得注意的是，如果不指定分隔符，默认以逗号或制表符为分隔符；如果指定分隔符，
collapse选项表示将字符串中的每个字符分为视为一个分隔符，asstring选项表示将字符串作为整体视为一个分隔符。比如，delimiters("chars",collapse)会将“c”、“h”、“a”、“r”、“s”都作为分隔符，而delimiters("chars",asstring)则是将“chars”整体作为一个分隔符
3 应用案例
3.1 Stata网站auto示例数据
import delimited 的一些基本操作。首先，运用
copy命令将auto数据集复制下来，储存为auto.txt，并导入到Stata中：
clearcap mkdir "d:/import delimited"cd "d:/import delimited"copy "https://www.stata.com/examples/auto.csv" auto.txt,replace操作一：读入整个auto文件
import delimited auto.txt,clear
list
*结果显示如下：
+------------------------------------------------+
| make price mpg rep78 foreign |
|------------------------------------------------|
1. | AMC Concord 4099 22 3 Domestic |
2. | AMC Pacer 4749 17 3 Domestic |
3. | AMC Spirit 3799 22 . Domestic |
4. | Buick Century 4816 20 3 Domestic |
5. | Buick Electra 7827 15 4 Domestic |
|------------------------------------------------|
6. | Buick LeSabre 5788 18 3 Domestic |
7. | Buick Opel 4453 26 . Domestic |
8. | Buick Regal 5189 20 3 Domestic |
9. | Buick Riviera 10372 16 3 Domestic |
10. | Buick Skylark 4082 19 3 Domestic |
+------------------------------------------------+
操作二：将变量名全部以大写表示，使用case选项
import delimited auto.txt, case(upper) clear
list
*结果显示如下
+------------------------------------------------+
| MAKE PRICE MPG REP78 FOREIGN |
|------------------------------------------------|
1. | AMC Concord 4099 22 3 Domestic |
2. | AMC Pacer 4749 17 3 Domestic |
3. | AMC Spirit 3799 22 . Domestic |
4. | Buick Century 4816 20 3 Domestic |
5. | Buick Electra 7827 15 4 Domestic |
|------------------------------------------------|
6. | Buick LeSabre 5788 18 3 Domestic |
7. | Buick Opel 4453 26 . Domestic |
8. | Buick Regal 5189 20 3 Domestic |
9. | Buick Riviera 10372 16 3 Domestic |
10. | Buick Skylark 4082 19 3 Domestic |
+------------------------------------------------+
操作三：通过rowrange和colrange设置读入的行和列范围，这里读入的是auto文件的2-4行和1-3列
import delimited auto.txt, rowrange(2:4) colrange(1:3) clear
list
*结果显示如下：
+---------------------------+
| make price mpg |
|---------------------------|
1. | AMC Concord 4099 22 |
2. | AMC Pacer 4749 17 |
3. | AMC Spirit 3799 22 |
+---------------------------+
如果要读入从第一行（列）开始，到某一行（列）的数据，可以直接写
: + 截止的行（列）数；如果要读入从某一行（列）开始，直到最后一行（列）的数据，可以直接写开始的行（列）数。下面的代码表示读入auto文件的第3行到最后一行、第1列到第3列。
import delimited auto.txt, rowrange(3) colrange(:3) clear
list
*结果显示如下：
+-----------------------------+
| make price mpg |
|-----------------------------|
1. | AMC Pacer 4749 17 |
2. | AMC Spirit 3799 22 |
3. | Buick Century 4816 20 |
4. | Buick Electra 7827 15 |
5. | Buick LeSabre 5788 18 |
|-----------------------------|
6. | Buick Opel 4453 26 |
7. | Buick Regal 5189 20 |
8. | Buick Riviera 10372 16 |
9. | Buick Skylark 4082 19 |
+-----------------------------+
3.2 读入新浪财经平安银行（000001）高管数据
import delimited 也是读入网页源代码的利器，encoding 选项可以解决网页源代码乱码的问题。首先，用 copy 命令获取网页源代码，储存为temp.txt，并导入到Stata中。clear allcopy "http://vip.stock.finance.sina.com.cn/corp/go.php/vCI_CorpManager/stockid/000001.phtml" temp.txt,replaceimport delimited using temp.txt,clearencoding 选项来帮你~charset，我们发现此网页以gb2312编码，这里我们使用gb18030，因为gb18030向下兼容gb2312，转码更为准确！encoding 选项，键入以下代码：import delimited using temp.txt, encoding("gb18030") clearimport delimited 默认以水平制表符和逗号分隔，一旦出现水平制表符和逗号，就会自动进行分隔。*比如这里我们定义分隔符为"jeemswo1ij-02fg"，通过delimiters的asstring选项可以将字符串整体作为分隔符import delimited using temp.txt, encoding("gb18030") delimiters("jeemswo1ij-02fg", asstring) clearimport delimited 都扮演着重要的角色，小伙伴们赶紧趁热打铁，试一试吧~对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！
如何简洁地列出指定属性的变量？ds命令来了！
如何在Python中进行描述性统计分析？
分析师和他们的雇主重视与管理层接触吗？——分析师参与盈余电话会议的研究
繁忙的董事与公司业绩：来自并购的证据使用Python接口读取CSMAR数据列表生成式|让你的代码简洁又美观Stata中变量观测值的亲密伙伴——levelsof命令爬虫俱乐部开发的命令更新及常见问题说明
Seminar | 道德培训真的有用吗？
网络爬虫入门之requests 库的基本使用——以亚马逊图书界面为例reduce()函数和filter()函数闪亮登场“环环”入扣之foreach命令统计年鉴数据整理小技巧
Seminar | 作为飞行员，我比别的CEO多了什么？
利用TensorFlow构建前馈神经网络
推文合集（1）| Stata学习者必看的n篇推文！
Seminar | 诚信的价值
利用tushare获取股票数据及实现可视化
从Excel到Stata的“摆渡车”——import excel命令
光阴十载，见证了《经济研究》中的“高被引”
利用tushare获取股票数据
微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
此外，欢迎大家踊跃投稿，介绍一些关于stata和python的数据处理和分析技巧。投稿邮箱：statatraining@163.com投稿要求：1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。文里给予解答。