regex - 在 R 中重新格式化抓取的日期

Question

我已经抓取了 HTML，现在我有这样的行:

                               rows
1: for the Year Ended 31 March 2013

我只想提取表达式 "31 March 2013"。表达式周围的文本可能会有所不同。表达式要转成日期格式，最好是31-3-2013

如何解决这个问题？

Answer 1

如果您的字符串中没有其他数字，您可以使用以下方法:

string <- "for the Year Ended 31 March 2013"

format(as.Date(sub(".*?(\\d+ \\w+ \\d+).*", "\\1", string), 
               "%d %B %Y"), "%d-%m-%Y")
# [1] "31-03-2013"

这里sub提取相关的子字符串，as.Date创建一个表示Date值的对象，format更改日期元素的顺序。

---

它也适用于额外的文本和一位数的日期:

string <- c("for the Year Ended 31 March 2013",
            "1 January 2013 the Year Began",
            "for the Year Ended 31 March 2013 and not now")
format(as.Date(sub(".*?(\\d+ \\w+ \\d+).*", "\\1", string),
       "%d %b %Y"), "%d-%m-%Y")
# [1] "31-03-2013" "01-01-2013" "31-03-2013"