lubridate分配不现实日期：提取混合格式日期年份结果异常

我懂你遇到的问题了——当处理混合Ymd和dmY格式的无分隔符日期时，lubridate的自动格式猜测跑偏了，把20100517误判成dmY格式，硬生生解析出年份517，这完全不符合你的预期。

问题出在哪？ #

guess_formats函数碰到8位无分隔符数字时，没法明确区分Ymd和dmY（两种格式都是8位长度），导致对第一个日期20100517错误猜测为dmY，把前两位当成日（20）、中间两位当月份（10）、最后四位当年份（0517），就出现了离谱的517年。

两种靠谱的解决办法 #

办法1：明确指定解析顺序，再加世纪限制

直接用parse_date_time的orders参数告诉它优先尝试哪些格式，同时如果你的日期确实都属于上个世纪（1900-1999），可以用year参数锁定年份范围，避免解析出奇怪的年份：

library(lubridate)
sampleDates <- c(20100517, 17052010)
# 先转成字符型，避免数字处理的潜在问题
sampleDates_char <- as.character(sampleDates)

# 明确指定格式顺序，同时限制年份在1900-1999（如果是20世纪的话）
# 要是你的例子里2010是笔误，实际是1910，这个参数就很有用；如果确实是2010，去掉year参数就行
result <- year(parse_date_time(sampleDates_char, orders = c("Ymd", "dmY"), year = 1900:1999))

运行后就能得到你想要的2010 2010（如果是19xx的日期，会自动解析为对应的19xx年份）。

办法2：手动判断格式再解析

因为两种格式都是8位，我们可以通过前四位是否是合理年份（比如1900-2099）来手动选择解析方式，更稳妥：

library(lubridate)
sampleDates <- c(20100517, 17052010)
sampleDates_char <- as.character(sampleDates)

# 写个自定义函数处理每个日期
parse_mixed_dates <- function(date_str) {
  first_four <- substr(date_str, 1, 4)
  # 判断前四位是否在合理年份范围内
  if (as.integer(first_four) >= 1900 && as.integer(first_four) <= 2099) {
    return(year(ymd(date_str)))
  } else {
    return(year(dmy(date_str)))
  }
}

# 批量处理所有日期
result <- sapply(sampleDates_char, parse_mixed_dates)

这个方法逻辑更直观，也能精准解析每个日期的年份。

内容的提问来源于stack exchange，提问作者MCS