从字符串向量中提取日期答案

【问题标题】：Extract dates from a vector of character strings从字符串向量中提取日期
【发布时间】：2016-08-27 22:16:09
【问题描述】：

我有两个元素的向量。每个元素都包含一个字符串有两组日期。我需要提取这两个日期中的后者，并用它们创建一个新的向量或列表。

#webextract vector
webextract <- list("The Employment Situation, December 2006       January  5  \t 8:30 am\r","The Employment Situation, January 2007        \tFeb.  2, 2007\t 8:30 am            \r") 

#This is how the output of webextract looks like:
[[1]]
[1] The Employment Situation, December 2006       January  5  \t 8:30 am\r

[[2]]
[1] The Employment Situation, January 2007        \tFeb.  2, 2007\t 8:30 am            \r

webextract 是网络抓取纯文本 URL 的结果，这就是它看起来像这样的原因。我需要提取的是“1 月 5 日”和“2 月 2 日”。我一直在尝试grep 和strsplit，但没有成功。已经完成了所有相关的 SO 问题，但没有成功。感谢您的帮助。

【问题讨论】：

gsub('.+\\s{3}(.+\\d+?).*', '\\1', unlist(webextract)) 或 stringr::str_extract(unlist(webextract), '(?<=\\s{4})\\w.+?\\d+')，也许

标签： r string parsing vector extraction

【解决方案1】：

我们可以在unlisting 'webextract' 之后尝试使用gsub

gsub("^\\D+\\d+\\s+|(,\\s+\\d+)*\\D+\\d+:.*$", "", unlist(webextract))
#[1] "January  5" "Feb.  2"

【讨论】：

谢谢阿克伦。 "^\\D+\\d+\\s+|(,\\s+\\d+)*\\D+\\d+:.*$" 代表模式，对吗？
@Gracos 是的，它表示要从字符串中匹配和删除的模式。即一个或多个非数字 (\\D+) 后跟数字 (\\d+) 后跟空格 (\\s+) 删除“就业情况，2006 年 12 月”或 |，如果后面有字符 ,在某些字符串中，空格后跟数字，我们使用零个或多个 (*)，后跟非数字 (\\D+)，数字 (\\d+)，后跟 :，其余字符直到结尾(.*$)。 : 与8:30 中的: 匹配
你是如何在二月之前摆脱“\t”的？这是我唯一不明白的部分。非常感谢！
@Gracos \\s+ 将匹配这些字符。
匹配\r, \n, \t等。例如gsub("\\s+", "", "\t Sept \n") [1] "Sept"