提取复杂字符串中的日期

Question

我在提取文件名中的日期时遇到问题，在我的示例中有 file.name 对象：

file.name<- c("AZAMBUJAI002A20190518T133231_20190518T133919_T22JCM_2021_05_19_01_18_22.tif","RINCAODOSSOARES051B20210107T133231_20190518T133919_T22JSM_2021_05_19_01_18_22",
"VILAPALMA33K20181018T133231_20190518T133919_T23JCM_2020_05_19_01_18_22.tif")

我需要在新对象中提取文件名中的特定日期：20190518、20210107 和 20181018。但是为此 a 不能使用 substr 因为 a 具有不同长度的区域名称（AZAMBUJAI002A、RINCAODOSSOARES051B 和 VILAPALMA33K）并且也不能使用删除字母（原因数字区域 ID - 002、051 和 33）。以“_”分隔的“.tif”之前最后的日期不是有用的信息。

我想要的输出是：

mydates
[1] 2019-05-18
[2] 2021-01-07
[3] 2018-10-18

描述的问题有什么解决办法吗？谢谢！！

Answer 1

library(lubridate)

ymd(gsub("(^.*_)(20[0-9]{2}_)([0-9]{2}_)([0-9]{2}_)(.*$)", 
         "\2\3\4", 
         file.name))

ymd 是一个 lubridate 函数，它识别 YYYY-MM-DD 日期，几乎与使用的分隔符无关。

gsub 转换字符串。里面的正则表达式：

(^.*_) 是第一个捕获组。接受从开头到下划线的任何内容。
(20[0-9]{2}_) 是第二个捕获组。它采用以 20 开头，后跟任意两位数字和下划线的字符串。
([0-9]{2}_) 是第三个和第四个捕获组。它需要两位数字后跟一个下划线。
(.*$) 是最后一个（第 5 个）捕获组。将任何内容带到字符串的末尾。
"" returns 第二个、第三个和第四个捕获组。

编辑：

对代码的解释仍然可以，但是要在名称之后检索日期，则需要的代码是这样的：

ymd(gsub("(^.*[A-Z])(20[0-9]{2})([0-9]{2})([0-9]{2})(.*$)",
         "\2\3\4", 
         file.name))

Answer 2

这是一种使用正则表达式提取的方法 - 假设您只有年份以 20xx

开头

library(stringr)
library(lubridate)

date_string <- str_extract(file.name,
  "20\d{2}\[0,1][1-9]\[0-3][1-9]")

date_string
#> [1] "20190518" "20210107" "20181018"

ymd(date_string)
#> [1] "2019-05-18" "2021-01-07" "2018-10-18"

^{由 reprex package (v2.0.0)}

于 2021-05-19 创建

Answer 3

使用基本 R 函数的解决方案。只要格式始终为“yyyymmdd”并且相关字符串出现在第一个下划线之前即可工作：

file.name<- c("AZAMBUJAI002A20190518T133231_20190518T133919_T22JCM_2021_05_19_01_18_22.tif",
              "RINCAODOSSOARES051B20210107T133231_20190518T133919_T22JSM_2021_05_19_01_18_22",
              "VILAPALMA33K20181018T133231_20190518T133919_T23JCM_2020_05_19_01_18_22.tif")

两次使用gsub：首先（在函数内部）去掉第一个下划线后的所有内容，然后提取八个数字的序列（[0-9]{8}:

dates <- gsub(".*([0-9]{8}).*", "\1", gsub("^([^_]*)_.*", "\1", file.name))

最后使用 as.Date 将字符串转换为 R 日期对象（可以使用 format 重新转换为字符串）：

dates_as_actual_date <- as.Date(dates, format("%Y%m%d"))

dates_as_actual_date 是一个 R 日期对象，看起来像这样：

[1] "2019-05-18" "2021-01-07" "2018-10-18"

提取复杂字符串中的日期

Extract dates in a complex string

regex

r

date

gsub

as.date

编辑：