提取复杂字符串中的日期

编程问答 2022-05-01

问题描述

我在文件名中提取日期时遇到问题，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")

我需要在一个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（一个原因数字区域 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

所描述的问题是否有任何解决方案？谢谢！！

解决方法

这是一种使用正则表达式提取的方法 - 假设您只有以 20xx 开头的年份

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 年 5 月 19 日创建

,

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，就可以工作：

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")

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

dates <- gsub(".*([0-9]{8}).*","\\1",gsub("^([^_]*)_.*",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，如下所示：

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

, 
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，用于识别 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。它需要一个以 20 开头的字符串，后跟任意两位数字和一个下划线。
  • ([0-9]{2}_) 是第三个和第四个捕获组。它需要两个数字，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。
  • "\2\3\4" 返回第二、第三和第四个捕获组。

编辑：

对代码的解释仍然可以，但是要检索名称后面的日期，则所需的代码是这样的：

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