正则表达式匹配 R 中的日期答案

【问题标题】：Regex to match dates in R正则表达式匹配 R 中的日期
【发布时间】：2020-12-24 20:48:22
【问题描述】：

我在一个文件夹中保存了多个 pdf 文件。我需要从数据框中的每个文件中提取“2020 年 11 月 19 日”等格式的第一个日期。

这是我正在使用的代码：

myextr2 <- function(pdffile) {
  text_data <- pdf_text(pdffile)
  text_collapsed_data <- paste0(text_data, collapse = '\n')
  g=stringi::stri_extract( text_collapsed_data, regex = ("(Jan(uary)?|Feb(ruary)?|Mar(ch)?|Apr(il)?|May|Jun(e)?|Jul(y)?|Aug(ust)?|Sep(tember)?|Oct(ober)?|Nov(ember)?|Dec(ember)?)/s+/d{1,2}/s+/d{4}")
  g[1]
}
files <- list.files(pattern = "pdf$")
pricing = sapply(files, myextr2)
pricing

我收到以下错误：

Error: unexpected '}' in "}"

在这方面需要帮助。

【问题讨论】：

您好，我在正则表达式末尾缺少一个右括号，但无法获取任何日期
如果您包含一个简单的reproducible example，其中包含可用于测试和验证可能解决方案的示例输入和所需输出，则更容易为您提供帮助。也许还可以看到：stackoverflow.com/questions/51035220/… 或 filingdb.com/b/pdf-text-extraction
这是\s 和\d，而不是/s 和/d。（虽然我不知道 R，所以可能需要转义反斜杠）。此外，示例中的“Novemeber”拼写错误（代码之外）。除此之外，模式本身works fine。它只是有太多不必要的捕获组。

标签： r regex date extract

【解决方案1】：

您可以使用lubridate 包。

library(lubridate)

d = "November 19 2020"
mdy(d)
# [1] "2020-11-19"

library(stringr)

str_extract(d, "(Jan(uary)?|Feb(ruary)?|Mar(ch)?|Apr(il)?|May|Jun(e)?|Jul(y)?|Aug(ust)?|Sep(tember)?|Oct(ober)?|Nov(ember)?|Dec(ember)?)\\s+\\d{1,2}\\s+\\d{4}")
# [1] "2020-11-19"

【讨论】：

【解决方案2】：

这是我尝试过的正则表达式，并且正在以我的形式工作只是一个小的更正它是我之前发布的第一个日期值的第二个日期值 ''' str_extract_all（text_collapsed_data , "(\b(Jan(uary)?|Feb(ruary)?|Mar(ch)?|Apr(il)?|May|Jun(e)?|Jul(y)?|Aug(ust)?| Sep(tember)?|Oct(ober)?|Nov(ember)?|Dec(ember)?)\s+\d{1,2},\s+\d{4})|(\b(JAN(UARY )?|FEB(RUARY)?|MAR(CH)?|APR(IL)?|MAY|JUN(E)?|JUL(Y)?|AUG(UST)?|SEP(TEMBER)?|OCT(OBER )?|NOV(EMBER)?|DEC(EMBER)?)\s+\d{1,2},\s+\d{4})" , 简化 = TRUE)[,2] '''

【讨论】：