R语言如何从字符串中移除指定格式的日期？

我太懂这种清理表格的痛苦了——混杂着日期字符串和普通数字，稍不注意就会误删有用的信息。你之前用含"/"的标记方法肯定会踩坑，因为它没法区分真正的日期和带斜杠的普通数字组合。针对你要移除**mm/YY或mm/YYYY（2017年及以后）**的需求，用正则表达式就能精准解决这个问题。

核心思路：用正则锁定目标日期格式 #

我们需要构建一个能精准匹配以下规则的正则：

• 月份：1-12（支持带前导零，比如03或3）
• 年份：2017年及以后，既支持两位格式（17-99）也支持四位格式（2017-2099）
• 确保日期是独立的单元，不会和其他数字/字符连在一起（避免误匹配比如123/2018里的23/2018）

最终的正则表达式如下：

\b(0?[1-9]|1[0-2])/(1[7-9]|[2-9][0-9]|201[7-9]|20[2-9][0-9])\b

• \b：单词边界，确保匹配的是独立的日期片段
• 0?[1-9]|1[0-2]：匹配1-12的月份（带或不带前导零）
• 1[7-9]|[2-9][0-9]：匹配两位年份17-99（对应2017-2099）
• 201[7-9]|20[2-9][0-9]：匹配四位年份2017-2099

不同工具中的实现示例 #

1. Excel（365/2021版本）

用REGEXREPLACE函数批量处理：

=REGEXREPLACE(A1, "\b(0?[1-9]|1[0-2])/(1[7-9]|[2-9][0-9]|201[7-9]|20[2-9][0-9])\b", "")

直接下拉公式就能批量清理整列数据，不会误删普通数字（比如123/456这类非日期格式的内容会被保留）。

2. Python（适合批量处理大型表格）

如果用Python处理Pandas表格，可以写一个自定义函数：

import re
import pandas as pd

def clean_dates(text):
    pattern = r'\b(0?[1-9]|1[0-2])/(1[7-9]|[2-9][0-9]|201[7-9]|20[2-9][0-9])\b'
    return re.sub(pattern, '', str(text))

# 假设你的表格数据在df的"名称"列
df['清理后名称'] = df['名称'].apply(clean_dates)

额外调整建议 #

如果你的日期前后不是常规的单词分隔符（比如是特殊符号#或@），可以把\b换成更精准的边界匹配，比如：

(?<=_| |^)(0?[1-9]|1[0-2])/(1[7-9]|[2-9][0-9]|201[7-9]|20[2-9][0-9])(?=_| |$)

这个版本会只匹配前后是下划线、空格或字符串开头/结尾的日期，进一步降低误匹配概率。

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