在R中的最后一个日期之后提取文本

Posted 2023-02-14

【中文标题】在R中的最后一个日期之后提取文本

【英文标题】：Extract text after the last date in R

【发布时间】：2022-01-18 23:21:48

【问题描述】：

我有一个有趣的数据，它是客户数据输入过程的函数。每次有更新时，数据输入团队只需将日期和相关 cmets 附加到同一个 Excel 单元格中。因此它看起来像这样......

entry <- "9/10/2021 received request to order more beer. 9/15/2021 Beer arrived in old truck 10/09/2021 Sent notice to driver."

团队真正需要做的只有两件事，即提取第一个日期，以及带有相关文本的最后一个日期。

它需要在这样的数据框中。

First date | Last date   | note
-----------+-------------+----------------------
9/10/2021  | 10/09/2021  | Sent notice to driver

谢谢。

【参考方案1】：

将entry 加倍以显示此对字符串向量的作用：

entry <- rep(entry, 2)

基础 R 解决方案：

gre <- gregexpr("[0-9]1,2/[0-9]1,2/[0-9]2,4.", entry)
# fix the "match.length" to extend until the next match or EOS
gre2 <- Map(function(G, txt) `attr<-`(G, "match.length", c(G[-1] - 1L, nchar(txt))), gre, entry)

do.call(rbind, lapply(regmatches(entry, gre2), function(txt) 
  dat <- strcapture("([0-9]1,2/[0-9]1,2/[0-9]2,4)\\s?(.*)", txt, list(date="", text=""))
  data.frame(first=dat$date[1],  last=dat$date[nrow(dat)], note=dat$text[nrow(dat)])
))
#       first       last                   note
# 1 9/10/2021 10/09/2021 Sent notice to driver.
# 2 9/10/2021 10/09/2021 Sent notice to driver.

【讨论】：

经过一些测试，这与宣传的一样有效。再次感谢。

太棒了！请accept回答。

【参考方案2】：

你可以试试这个：

library(stringr)
library(dplyr)

dates <- str_extract_all(entry, "\\d1,2/\\d2/\\d4")
text <- strsplit(entry, split = "(?<=\\d) ", perl=TRUE)

`First date` <- dates[[1]][1]
`Last date` <- dates[[1]][3]
note <- text[[1]][4]

df <- tibble(
  `First date`,
  `Last date`,
  note
)

df

# A tibble: 1 × 3
  `First date` `Last date` note                  
  <chr>        <chr>       <chr>                 
1 9/10/2021    10/09/2021  Sent notice to driver.