如何从包含随机信息的字符串中提取日期？答案

【问题标题】：How would I extract the date from a string that contains random information?如何从包含随机信息的字符串中提取日期？
【发布时间】：2021-12-08 04:25:58
【问题描述】：

我有格式为

的字符串

NHS%20Workforce%20Statistics%2C%20April%202018%20Organisation%20-%20Excel%20tables.xlsx

NHS%20Workforce%20Statistics%2C%20September%202018%20Organisation.xlsx

如何从中提取日期？在第一个示例中，日期为 2018 年 4 月，第二个示例为 2018 年 9 月。（注意，并不总是 2018 年）

到目前为止，我已经尝试创建一个月份的列向量并执行str_match 来查看是否有任何字符串包含向量中的月份。然后我打算使用正则表达式来查找包含日期的 6 位值，然后选择这些值中的最后四个。我觉得这种方式比较长，使用tidyverse有更快的解决方案。

【问题讨论】：

标签： r date tidyverse

【解决方案1】：

提取第一个单词及其后出现的四位数字。

基础 R 选项 -

vec <- c("NHS%20Workforce%20Statistics%2C%20April%202018%20Organisation%20-%20Excel%20tables.xlsx",
         "NHS%20Workforce%20Statistics%2C%20September%202018%20Organisation.xlsx")

return_date <- function(x) {
  sub('.*?([A-Za-z]+)%20.*(\\d{4}).*', '\\1 \\2', x)
}

return_date(vec)
#[1] "April 2018"     "September 2018"

【讨论】：

【解决方案2】：

我们可以使用format(..., "%B) 快速创建月份列表，然后剩下的就是将其放入应提取的模式中：

pattern <- paste0("^.*(", paste(format(ISOdate(2020,1:12,1),"%B"), collapse = "|"), ")%20(\\d+).*$")
gsub(pattern, "\\1 \\2", your_text)

【讨论】：

【解决方案3】：

请注意，文件名中的空格将被替换为%20。

类似下面的方法会起作用（您只需将其余月份添加到正则表达式中。

example <- "NHS%20Workforce%20Statistics%2C%20April%202018%20Organisation%20-%20Excel%20tables.xlsx"
example2 <- "NHS%20Workforce%20Statistics%2C%20September%202018%20Organisation.xlsx"


file_name <- str_replace_all(example, "%20", " ")
str_extract(file_name, "(April|September) \\d{4}")

对于你得到的第一个例子：

[1] "April 2018"

【讨论】：