如何在R语言中从杂乱文本字符串提取日期和时间段？

嗨，这个文本提取的需求我帮你搞定！针对你给出的杂乱文本，我们可以用正则表达式配合stringr包轻松提取目标内容，具体步骤如下：

1. 准备工作：安装并加载工具包 #

stringr是R里处理字符串非常便捷的工具包，先安装（第一次使用时）并加载它：

install.packages("stringr") # 仅需安装一次
library(stringr)

2. 定义你的杂乱文本变量 #

把你提到的杂乱内容存成一个R变量：

messy_text <- "Seuat eselyt
                    
        ti 30.07.2019 klo 12:00 - 14:30
                        Tau ski 2342342 2342342
                "

3. 提取日期 #

你的日期格式是dd.mm.yyyy，对应的正则表达式可以精准匹配这种格式：

extracted_date <- str_extract(messy_text, "\\d{2}\\.\\d{2}\\.\\d{4}")
print(extracted_date)
# 输出结果："30.07.2019"

正则解释：\\d{2}匹配两位数字，\\.匹配实际的点（因为正则里的点默认匹配任意字符，所以要转义），\\d{4}匹配四位年份数字。

4. 提取时间段 #

时间段格式是hh:mm - hh:mm，同样用正则匹配：

extracted_time_range <- str_extract(messy_text, "\\d{2}:\\d{2} - \\d{2}:\\d{2}")
print(extracted_time_range)
# 输出结果："12:00 - 14:30"

5. 一次性提取并整理成数据框（可选） #

如果想把日期和时间段一次性提取并整理成结构化的数据框，可以用str_match：

# 正则里用括号标记两个要提取的分组
match_results <- str_match(messy_text, "(\\d{2}\\.\\d{2}\\.\\d{4}).*(\\d{2}:\\d{2} - \\d{2}:\\d{2})")

# 转成数据框
result_df <- data.frame(
  日期 = match_results[2],
  时间段 = match_results[3],
  stringsAsFactors = FALSE
)

print(result_df)
# 输出：
#         日期        时间段
# 1 30.07.2019 12:00 - 14:30

如果你的文本里日期/时间段格式有小变动（比如偶尔出现一位的日/月），可以把正则里的\\d{2}改成\\d{1,2}，这样就能匹配1-2位的数字啦。

内容的提问来源于stack exchange，提问作者adrrs