如何从R语言数据框的文本列中移除任意格式的日期？

你的数据集里的日期主要是4位年份+分隔符（空格/横杠/斜杠）+2位月份+分隔符+2位日期的格式，用正则表达式就能精准匹配并移除。以下是两种实现方式：

方法一：结合tidyverse工具（推荐） #

加载dplyr和stringr包，用str_remove_all批量处理文本列：

library(dplyr)
library(stringr)

# 原始数据
df <- data.frame(
  text=c('tommorow is 2022 11 03',"I married on 2020-01-01",
         'why not going there on 2023/01/14','2023 08 01 will be great')
)

# 移除所有目标格式的日期
df_cleaned <- df %>%
  mutate(text = str_remove_all(text, "\\b\\d{4}[-/\\s]\\d{2}[-/\\s]\\d{2}\\b"))

# 查看处理后的结果
df_cleaned %>% select(text)

运行后输出结果：

text
1            tommorow is 
2            I married on 
3 why not going there on 
4            will be great

方法二：基础R实现 #

如果不想加载额外包，用gsub也能完成：

df <- data.frame(
  text=c('tommorow is 2022 11 03',"I married on 2020-01-01",
         'why not going there on 2023/01/14','2023 08 01 will be great')
)

df$text <- gsub("\\b\\d{4}[-/\\s]\\d{2}[-/\\s]\\d{2}\\b", "", df$text)

# 查看结果
df %>% select(text)

正则表达式说明 #

\\b\\d{4}[-/\\s]\\d{2}[-/\\s]\\d{2}\\b 各部分含义：

• \\b：匹配单词边界，避免误删包含类似数字的其他词汇
• \\d{4}：匹配4位数字（对应年份）
• [-/\\s]：匹配横杠、斜杠或空格三种分隔符
• \\d{2}：匹配2位数字（对应月份和日期）

如果后续遇到其他日期格式（比如日/月/年），可以调整正则表达式的结构来适配。

内容的提问来源于stack exchange，提问作者Alex