从 r 中的给定字符串中提取日期

Question

string<-c("Posted 69 months ago (7/4/2011)")
library(gsubfn)
strapplyc(string, "(.*)", simplify = TRUE)

我应用了上述功能，但没有任何反应。

在此我只想提取日期部分，即

7/4/2011

。

Answer 1

第一个展示了如何修复问题中的代码以给出所需的答案。接下来的两个解决方案是相同的，只是它们使用不同的正则表达式。第四个解决方案展示了如何使用

gsub

来做到这一点。第五个将

gsub

分成两个

sub

调用，第六个使用

read.table

。

1) 转义括号 问题在于 ( 和 ) 在正则表达式中具有特殊含义，因此如果您想按字面匹配它们，则必须对它们进行转义。通过像我们下面那样使用

"[(]"

（或将它们写为

"\\("

），它们会按字面意思匹配。内部括号定义捕获组，因为我们不希望该组包含文字括号本身：

strapplyc(string, "[(](.*)[)]", simplify = TRUE)
## [1] "7/4/2011"

2）匹配内容 另一种方法是匹配数据本身而不是周围的括号。这里

"\\d+"

匹配一个或多个数字：

strapplyc(string, "\\d+/\\d+/\\d+", simplify = TRUE)
## [1] "7/4/2011"

如果您想更具体，您可以指定位数，但如果数据看起来与问题中的数据相似，则这里似乎没有必要。

3）匹配 8 个或更多数字和斜杠 鉴于字符串的其余部分中不存在仅由斜杠和数字组成的 8 个或更多字符的其他序列，我们可以选出：

strapplyc(string, "[0-9/]{8,}", simplify = TRUE)
## [1] "7/4/2011"

4）删除之前和之后的文本另一种方法是删除直到（和之后）的所有内容，如下所示：

gsub(".*[(]|[)].*", "", string)
## [1] "7/4/2011"

5) sub 这与 (4) 相同，只是它将

gsub

分成两个

sub

调用，一个删除 之前的所有内容（另一个删除 ）之后的内容。因此正则表达式稍微简单一些。

sub(".*\\(", "", sub("\\).*", "", string))

6) read.table 该解决方案根本不使用正则表达式。它在

sep

中定义了

comment.char

和

read.table

，以便

read.table

结果的第二列是所需的一个或多个日期。

read.table(text = string, sep = "(", comment.char = ")", as.is = TRUE)$V2
## [1] "7/4/2011"

7) trimws 这会修剪 ( 或 ) 两端的所有内容，然后修剪 ( 和 )。

string |>
  trimws(whitespace = "[^()]") |>
  trimws(whitespace = "[()]")
## [1] "7/4/2011"

注意： 请注意，定义

c

 时不需要 

string

string <- c("Posted 69 months ago (7/4/2011)")
string2 <- "Posted 69 months ago (7/4/2011)"
identical(string, string2)
## [1] TRUE

Answer 2

我们可以使用

gsub

来完成此操作，方法是从字符串的开头 (

(

) 匹配一个或多个不是

[^(]+

(

^

) 的字符或从字符串末尾 (

|

) 的

)

开始 (字符串的

$

) 并将其替换为

""

gsub("[^[^(]+\\(|\\)$", "", string)
#[1] "7/4/2011"

或使用捕获组

sub("^[^(]+\\(([^)]+).*", "\\1", string)
#[1] "7/4/2011"

---

或者使用

str_extract

，我们匹配一个或多个不是

)

(

[^)]+

) 且紧随

(

(

(?<=[(])

)

的字符

library(stringr)
str_extract(string, "(?<=[(])[^)]+")
#[1] "7/4/2011"