在R语言中从字符串提取混合日期并转换为as.Date格式

问题说明 #

现有如下字符向量，需要从中提取日期部分并转换为as.Date格式，注意字符串末尾的数字是评论数，不属于日期内容。示例中第一行的日期最终需呈现为09-11-2021格式。

示例数据：

example.data <- c("By Leigh-Ann Butler, Shannon Cobb, Michael R. DonaldsonNov 9, 20213 Comments",
"By Leigh-Ann Butler, Shannon Cobb, Michael R. DonaldsonNov 8, 20212 Comments",
"By Rick AndersonNov 4, 202114 Comments",                                       
"By Victoria Ficarra, Rob JohnsonNov 3, 20215 Comments")

解决方案 #

方法1：基础R实现

1. 提取日期字符串：用正则匹配英文月份缩写+日+年的固定格式，捕获目标日期片段：

# 提取日期字符串
date_strings <- regmatches(example.data, regexpr("[A-Z][a-z]{2} \\d{1,2}, \\d{4}", example.data))

2. 转换为Date对象：指定匹配格式%b %d, %Y（对应Nov 9, 2021这类格式）：

date_objects <- as.Date(date_strings, format = "%b %d, %Y")

3. 调整为日-月-年显示格式（按需执行）：

formatted_dates <- format(date_objects, "%d-%m-%Y")

方法2：stringr包简化操作

如果已安装stringr包，可通过链式调用缩短代码：

library(stringr)
# 提取并转换为Date对象
date_objects <- str_extract(example.data, "[A-Z][a-z]{2} \\d{1,2}, \\d{4}") %>%
  as.Date(format = "%b %d, %Y")
# 格式化输出
formatted_dates <- format(date_objects, "%d-%m-%Y")

结果验证 #

运行代码后，formatted_dates将输出：

[1] "09-11-2021" "08-11-2021" "04-11-2021" "03-11-2021"

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