在R语言中提取mm/dd/yyyy与m/dd/yyyy格式日期的问题

这个问题的核心是正则表达式里的贪婪匹配在搞鬼！让我给你拆解原因，再给出几个靠谱的解决方案：

首先，你当前用的gsub(".*(\\d{1,2}/\\d{1,2}/\\d{4}).*", "\\1", string)里，.*是贪婪匹配模式——它会尽可能多地消耗字符串内容，直到后面的正则能匹配为止。在你的示例字符串里，.*会一路匹配到"20 French From home 1"，剩下的"2/27/2019"刚好符合\d{1,2}/\d{1,2}/\d{4}的模式，所以捕获到的就是被截断后的日期，这就是为什么结果不对。

方案1：改用非贪婪匹配 #

把贪婪的.*改成非贪婪的.*?，这样它会尽可能少地匹配内容，优先让后面的日期正则捕获完整的日期：

string <- "20 French From home 12/27/2019"
gsub(".*?(\\d{1,2}/\\d{1,2}/\\d{4}).*", "\\1", string)

运行后就能得到预期的12/27/2019。

方案2：用负向断言精确限定匹配（需Perl模式） #

如果你想更严谨，避免日期前面的数字干扰，可以用负向零宽断言(?<!\\d)，确保日期的第一个数字前面不是数字字符：

gsub(".*(?<!\\d)(\\d{1,2}/\\d{1,2}/\\d{4}).*", "\\1", string, perl = TRUE)

这里必须加上perl = TRUE，因为R的基础正则引擎不支持零宽断言，启用Perl模式后才能使用这个语法。

方案3：用更简洁的字符串提取函数（推荐） #

如果你的需求只是提取字符串中的日期，没必要用gsub做替换，直接用stringr包的str_extract函数更直观，它会直接返回第一个匹配的目标子串：

library(stringr)
str_extract(string, "\\d{1,2}/\\d{1,2}/\\d{4}")

这个方法代码更简洁，可读性也更高，适合日常的字符串提取场景。

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