當資料匯入後，接下來需要對文章的字詞做剖析以及一些轉換的動作，這個章節將會介紹「文字剖析」和「文字篩選」兩個節點如何達成這些事情。

在現今網路資訊爆炸的時代，每天都有很多新的資訊湧入，PTT是台灣一個網路論壇，也是大學生常常發文討論的地方。Gossiping Board八卦板是PTT最熱門的看板，每天有將近2000篇的新文章，怎麼快速從這麼多的文章中看出大家在討論的主題？在此章節中將介紹SAS Text Miner「文字歸類」節點，這個模組可以將文章分成不同主題，且不同於「文字群集」節點每篇文章只能分到一群，同一篇文章是可能討論很多種不同主題的。 此範例資料是採用2014中華民國九合一選舉前一個禮拜 ( 2014/11/24~2014/11/28 ) 發文的文章，總計共7275篇文章。若想要快速將7275濃縮成25個主題，看哪些文章在討論哪些主題，透過「文字歸類」節點，可看出有1033篇文章在討論「吃、買、去、八卦、賣」這個主題；782篇在討論「連勝、文、哲、柯、票」這個主題...。

SAS Text Miner可探索隱藏在大量文字中的資訊。支援多種語言及檔案格式，並且提供豐富的語言與分析模型工具。將不同的非結構化文字片段、文件檔案庫及網頁下載內容，透過演算法自動識別出模式的各種主題，找出詞彙與片語間的顯著關聯。此軟體提供監督、無監督及半監督的方法來探索大量文件中過去未知的模式。