在R语言中从文本提取任意格式日期的实现方法

嘿，这个需求我太熟了！在R里提取各种花里胡哨的日期格式其实没那么复杂，我给你分享两种实用的思路，一种是用正则精准匹配，另一种靠专门的日期包自动识别，都能搞定你提到的那些格式～

方法1：正则表达式精准提取日期字符串 #

如果你想先把文本里的日期片段先抠出来，再转换成标准日期格式，用stringr包的正则匹配就很合适。我写了个能覆盖你列出的所有格式的正则表达式，包括英文月份+日期+年份、各种分隔符的DD-MM/YYYY、YYYY/MM/DD这些：

# 先加载需要的包
library(stringr)

# 你的示例文本
text <- "My Friend is coming on july 10 2018 or 10/07/2018"

# 匹配多种日期格式的正则表达式
date_pattern <- paste0(
  # 匹配英文月份格式（比如April 10 2018，忽略大小写）
  "(January|February|March|April|May|June|July|August|September|October|November|December)",
  "\\s+\\d{1,2}\\s+\\d{4}|",
  # 匹配DD-MM-YYYY、DD/MM/YYYY、DD.MM.YYYY格式
  "\\d{1,2}[-/.]\\d{1,2}[-/.]\\d{4}|",
  # 匹配YYYY/MM/DD、YYYY-MM-DD、YYYY.MM.DD格式
  "\\d{4}[-/.]\\d{1,2}[-/.]\\d{1,2}"
)

# 提取所有匹配的日期字符串（ignore_case忽略月份大小写）
extracted_date_strings <- str_extract_all(text, regex(date_pattern, ignore_case = TRUE))[[1]]
extracted_date_strings
# 输出结果: [1] "july 10 2018" "10/07/2018"

拿到日期字符串后，我们可以用lubridate包把它们转换成标准的日期格式：

library(lubridate)

# 转换为标准日期（指定可能的格式顺序：mdy=月日年，dmy=日月年，ymd=年月日）
standard_dates <- parse_date_time(extracted_date_strings, orders = c("mdy", "dmy", "ymd"))
standard_dates
# 输出结果: [1] "2018-07-10 UTC" "2018-07-10 UTC"

方法2：用lubridate自动识别（更省心） #

要是你懒得写复杂的正则表达式，lubridate绝对是你的救星！它的parse_date_time函数能自动识别多种常见日期格式，我们只需要先提取文本里的日期候选片段，再让它自动识别转换：

library(lubridate)
library(stringr)

text <- "My Friend is coming on july 10 2018 or 10/07/2018"

# 先提取所有可能的日期候选片段（简单正则匹配月份单词+数字组合、数字日期组合）
date_candidates <- str_extract_all(text, regex(
  "(\\w+\\s+\\d{1,2}\\s+\\d{4}|\\d{1,2}[-/.]\\d{1,2}[-/.]\\d{4}|\\d{4}[-/.]\\d{1,2}[-/.]\\d{1,2})",
  ignore_case = TRUE
))[[1]]

# 自动识别格式并转换为标准日期
standard_dates <- parse_date_time(date_candidates, orders = c("mdy", "dmy", "ymd"))
standard_dates
# 输出结果: [1] "2018-07-10 UTC" "2018-07-10 UTC"

小提示 #

如果你的文本里还有其他特殊日期格式，只需要扩展正则表达式或者orders参数里的格式就行，比如加上"dmY"（日月年带4位年份）、"Ymd"（年月日）这些，灵活得很～

内容的提问来源于stack exchange，提问作者rachit