如何从PDF文件名中提取日期并写入数据集？

你的文件名里已经包含标准的YYYY.MM.DD格式日期，直接用as.Date失败是因为文件名还包含路径前缀和.pdf后缀，且日期分隔符是点号，需要先提取纯日期字符串再转换：

1. 先加载需要的工具包

library(dplyr)
library(stringr)

2. 提取日期并转换为日期类型

# 假设你的数据集叫df
df <- df %>%
  mutate(
    # 从文件名中提取YYYY.MM.DD格式的日期字符串
    date_raw = str_extract(filename, "\\d{4}\\.\\d{2}\\.\\d{2}"),
    # 将字符串转换为Date类型，指定分隔符为点号
    date = as.Date(date_raw, format = "%Y.%m.%d")
  )

如果不需要中间的date_raw列，可以合并为一步：

df <- df %>%
  mutate(date = as.Date(str_extract(filename, "\\d{4}\\.\\d{2}\\.\\d{2}"), format = "%Y.%m.%d"))

关键说明 #

• str_extract通过正则表达式\\d{4}\\.\\d{2}\\.\\d{2}精准匹配文件名中的日期片段，过滤掉路径和后缀
• as.Date的format参数必须和日期字符串的格式完全对应（这里是%Y.%m.%d，表示年.月.日），否则无法正确转换

内容的提问来源于stack exchange，提问作者匿名用户