正则表达式在存在多个时提取第一个 date_time 戳

Question

给定一个带有多个 date_time 戳的字符串，我想 提取第一个戳及其前面的文本

候选字符串可以有一个或多个时间戳

后续的 date_time 戳记将被 sep="-"

隔开

后续date_time 戳之间可能有也可能没有文本，但肯定会有sep

日期时间格式:

每个单独的邮票可能包含也可能不包含时间(即仅日期)

如果邮票有时间，格式将是 _HHMM 或 _HHMMSS

日期将始终采用 YYYYMMDD

格式

library(stringr)  

string   <- "TEXT_etc_20140530-20140825_1635-"
expected <- "TEXT_etc_20140530"

## using this pattern for the date_time stamp
##  8 digits, optional underscore with 4to6 digits, appearing exactly once, followed by "-"
. (\\d{8}(_\\d{4,6})?){1}-    # I am not concerned with potential of a 5-digit time stamp

## Attempts
pat1 <- "(TEXT)(.*?)(\\d{8}(_\\d{4,6})?){1}-";  str_extract(string, pat=pat1)
pat2 <-            "(\\d{8}(_\\d{4,6})?){1}-";  str_extract(string, pat=pat2)  ## date is correct
pat3 <-       "(.*?)(\\d{8}(_\\d{4,6})?){1}-";  str_extract(string, pat=pat3)
pat4 <-       "(.*?)(\\d{8}){1}-"            ;  str_extract(string, pat=pat4)

## Other potential string patterns
string   <- "TEXT_etc_20140530-diff_txet_20140825_1635-"
string   <- "TEXT_etc_20140530_123456-diff_txet_20140825_1635-"

你能帮我找出正则表达式中的错误吗？

非 R 用户注意: R 要求转义字符 \ 本身被转义，因此上面代码中的 \\

Answer 1

用这 8 位数字替换 8 位数字后跟任何内容:

# test data
string  <- c("TEXT_etc_20140530-20140825_1635-",
   "TEXT_etc_20140530-diff_txet_20140825_1635-",
   "TEXT_etc_20140530_123456-diff_txet_20140825_1635-")

sub("(\\d{8}).*", "\\1", string)
## [1] "TEXT_etc_20140530" "TEXT_etc_20140530" "TEXT_etc_20140530"

如果应保留可选时间，请改用它:

sub("(\\d{8}(.\\d{4,6})?)\\b.*", "\\1", string)
## [1] "TEXT_etc_20140530"        "TEXT_etc_20140530"      
## [3] "TEXT_etc_20140530_123456"

更新 添加了第二个解决方案并对其进行了更正。