如何在不编写正则表达式的情况下从字符串中解析日期？

Posted 2023-02-25

【中文标题】如何在不编写正则表达式的情况下从字符串中解析日期？

【英文标题】：How to parse dates from a string without writing a regular expression?

【发布时间】：2022-01-23 18:16:40

【问题描述】：

readr 包有一个名为 parse_number 的函数，它返回 string 中的数字：

readr::parse_number("Hello 2022!")

[1] 2022

是否有类似的方法可以从string 返回日期？ readr 有一个名为 parse_date 的函数，但它做了一些不同的事情：

readr::parse_date("X2018-01-11_poland")

Warning: 1 parsing failure.
row col   expected             actual
  1  -- date like  X2018-01-11_poland

[1] NA

期望的输出：

# the raw string is "X2018-01-11_poland"
2018-01-11

附：我对使用正则表达式不感兴趣。

【问题讨论】：

只需指定format，根据strptime() 约定：readr::parse_date("X2018-01-11_poland", format = "X%Y-%m-%d_poland")。

您对为此使用正则表达式的反感究竟是什么？精心设计的正则表达式可以对大多数正则表达式问题具有鲁棒性，并在性能和弹性方面提供相当不错的类日期提取结果。

【参考方案1】：

这是一个无正则表达式的想法，

parse_date(strsplit(x, '_', fixed = TRUE)[[1]][1], format = 'X%Y-%m-%d')
#[1] "2018-01-11"

不过，如果波兰部分也是固定的，你可以再做一次，

parse_date(x, format = 'X%Y-%m-%d_poland')
#[1] "2018-01-11"

【讨论】：

在添加 fixed=TRUE 之前，它并不是完全无正则表达式的，即使它是单字符正则表达式 :-)

哈哈哈，是的@r2evans。我们需要完全绕过正则表达式引擎；P

parse_number() 本身也使用正则表达式，但您没有“看到”它。这个问题有点像“没有车我怎么能开车”。

【参考方案2】：

使用基础 R 或 stringr 和 lubridate 的可能替代方案

as.Date(substr("X2018-01-11_poland", 2, 11), format = "%Y-%m-%d")
#> [1] "2018-01-11"

library(stringr)
library(lubridate)

ymd(str_sub("X2018-01-11_poland", 2, 11))
#> [1] "2018-01-11"

^{由reprex package (v2.0.1) 于 2021 年 12 月 22 日创建}

【参考方案3】：

lubridate 包有parse_date_time2，易于使用。

library(lubridate)
dstring <- "X2018-01-11_poland"
date <- parse_date_time2(dstring, orders='Ymd')
date
#[1] "2018-01-11 UTC"

【参考方案4】：

1) 这仅使用基本 R 并且不使用任何正则表达式。它假设 (1) 日期之前只有字母和空格，就像问题中的情况一样，但如有必要，可以通过在 let 中添加其他字符来轻松放宽；(2) 日期采用标准日期格式. chartr 将第一个参数中的第 i 个字符转换为第二个参数中的第 i 个字符，用空格替换每个字母。然后使用 as.Date。请注意， as.Date 会忽略末尾的垃圾，因此如果其他字符不在 lets 后面，则可以。

x <- "X2018-01-11_poland"

lets <- paste(letters, collapse = "")
as.Date(chartr(lets, strrep(" ", nchar(lets)), tolower(x)))
## [1] "2018-01-11"

2) 如果我们知道字符串总是以 X 开头并且 Date 紧随其后，那么我们可以在 as.Date 格式字符串中指定前缀。它也不使用任何正则表达式，只使用基本 R。

as.Date(x, "X%Y-%m-%d")
## [1] "2018-01-11"

3) 如果您愿意妥协并使用一个非常简单的正则表达式——这里 \D 匹配任何非数字并且反斜杠必须在引号内加倍。 gsub 删除任何此类字符。

as.Date(gsub("\\D", "", x), "%Y%m%d")
## [1] "2018-01-11"