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 2 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 来实现。第五个将gsub 分成两个sub 调用，第六个使用read.table。

1) 转义括号 问题是 ( 和 ) 在正则表达式中具有特殊含义，因此如果您想按字面意思匹配它们，则必须转义它们。通过使用"[(]"，如下所示（或将它们写为"\\("），它们在字面上是匹配的。内括号定义了捕获组，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"

如果您想要更具体，您可以指定位数，但如果数据看起来与问题中的数据相似，则此处似乎没有必要。

3) 匹配 8 个或更多数字和斜线 鉴于在字符串的其余部分中没有其他仅由斜线和数字组成的 8 个或更多字符的序列，我们可以挑选出：

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 ( 和之后 ) 之前的所有内容，如下所示：

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

5) sub 这与 (4) 相同，只是它将 gsub 分解为两个 sub 调用，一个删除直到（另一个删除）之前的所有内容。因此，正则表达式稍微简单一些。

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

6) read.table 这个解决方案根本不使用正则表达式。它在read.table 中定义了sep 和comment.char，以便read.table 结果的第二列是所需的日期。

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

注意：注意在定义string时不需要c

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

Answer 2

我们可以用gsub 做到这一点，方法是匹配一个或多个不是( ([^(]+) 的字符，从字符串的开头(^) 或| 到)字符串的结尾（$）并将其替换为""

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

或者使用捕获组

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

---

或者使用str_extract，我们匹配一个或多个不是) ([^)]+) 的字符，该字符跟在( ((?<=[(])) 之后

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