r - 使用 R 中的 RegEx 以 Mon、DD、YYYY 格式解析日期

Question

我试图从一串文本中解析一个日期。我假设最好的方法是正则表达式，但我还没有找到一个有效的解决方案。

首先，我使用 CSS 选择器从网站上获取日期。

date <-html_nodes(x=doc, css=".middleheadline+ .topnewsbar b") %>% html_text()

这产生:

[1] "\r\n        Washington,\r\n        Jan 5, 2011"

我想从此字符串中提取日期本身(此处为 2011 年 1 月 5 日)。注意:月份可以是任何月份，日期可以是任何日期，年份可以是 2011-2015 年之间的任何内容，所以我试图找到一个通常可以解析 Mon D[D] 中日期的表达式， YYYY 格式。

这是一种尝试:

date <-str_extract_all(string=date, pattern='[A-Z][a-z]{3,4} ([0-9]{1,2}), [0-9]{4}')

这会产生 character(0)
还有一个:

grep("[A-Z][a-z]{3,4} ([0-9]{1,2}), [0-9]{4}", date, value=TRUE)

也产生 character(0)
有小费吗？

Answer 1

您也可以试试 strsplit() .有时我更喜欢它而不是令人 NumPy 的正则表达式。

test <- c("\r\n        Washington,\r\n        Jan 5, 2011",
    "\r\n        Boston,\r\n        Mar 15, 2015")

vapply(strsplit(test, ".*\n\\s+"), "[", "", 2)
# [1] "Jan 5, 2011"  "Mar 15, 2015"

as.Date(vapply(strsplit(test, ".*\n\\s+"), "[", "", 2), "%b %d, %Y")
# [1] "2011-01-05" "2015-03-15"