如何从无固定格式的日期字符串中提取年份（附R语言示例）

你的数据集里日期格式不固定，但能确定存在四位数字的年份，直接用正则匹配连续四位数字就能提取——因为月、日都是1-2位，不会干扰匹配结果。

示例数据集 #

V1 <- c("02/04/1999", "2003/02", "01/2023")
df <- as.data.frame(V1)

方法1：Base R 实现 #

用regmatches配合正则表达式提取：

df$year <- regmatches(df$V1, regexpr("\\d{4}", df$V1))

方法2：stringr 包实现（更简洁） #

如果习惯用tidyverse工具，用str_extract函数：

library(stringr)
df$year <- str_extract(df$V1, "\\d{4}")

运行结果 #

处理后的数据框会新增year列，内容为：

[1] "1999" "2003" "2023"

正则表达式说明：\\d{4}表示匹配连续4个数字，刚好对应你数据里的四位年份，能完美适配所有格式的日期字符串。

内容的提问来源于stack exchange，提问作者angeliquelinde