如何通过lubridate的parse_date_time处理多格式日期解析优先级冲突

要实现ymd优先于ydm，dmy优先于mdy的日期解析逻辑，问题根源在于lubridate::parse_date_time()默认的select_format是全局统计最优格式，而非逐个日期按顺序尝试。可以通过两种方法解决：

方法1：自定义select_format函数 #

通过重写格式选择函数，让每个日期按指定优先级挑选第一个合法的解析格式：

library(lubridate)

# 自定义格式优先级选择函数
custom_select <- function(candidates, orders) {
  # 定义我们需要的优先级顺序
  priority <- c("ymd", "ydm", "dmy", "mdy")
  # 对每个日期，返回优先级最高的合法格式
  sapply(candidates, function(date_candidates) {
    for (fmt in priority) {
      if (fmt %in% names(date_candidates)) {
        return(fmt)
      }
    }
    return(NA)
  })
}

# 待解析的日期向量
my_dates <- c("1988-02-03", "1988-15-03", "05-12-2023", "5-27-2022")

# 使用自定义规则解析日期
parse_date_time(my_dates, orders = c("ymd", "ydm", "dmy", "mdy"), select_format = custom_select)

运行结果：

[1] "1988-02-03 UTC" "1988-03-15 UTC" "2023-12-05 UTC" "2022-05-27 UTC"

方法2：用case_when逐个尝试格式 #

这种方式更直观，按优先级依次尝试解析，返回第一个成功的结果：

library(dplyr)
library(lubridate)

my_dates <- c("1988-02-03", "1988-15-03", "05-12-2023", "5-27-2022")

parsed_dates <- case_when(
  !is.na(ymd(my_dates)) ~ ymd(my_dates),
  !is.na(ydm(my_dates)) ~ ydm(my_dates),
  !is.na(dmy(my_dates)) ~ dmy(my_dates),
  !is.na(mdy(my_dates)) ~ mdy(my_dates),
  TRUE ~ NA_Date_  # 处理无法解析的日期
)

parsed_dates

运行结果与目标完全一致：

[1] "1988-02-03" "1988-03-15" "2023-12-05" "2022-05-27"

内容的提问来源于stack exchange，提问作者AnilGoyal