regex - 使用 grepl 在 R 中使用正则表达式提取日期

Question

我提前道歉，这可能是一个重复的问题。但是，我刚刚花了最后一个小时在 stackoverflow 上，似乎找不到解决方案。我在 R 中使用 grepl 尝试提取字符串中的一些日期，但我注意到意外行为。

假设我们有一个字符串向量

mystring = c("12-03-99", "A", "B")
date = grepl("[1-9]{2}", mystring)

> 日期
[1] 真假假

这对我来说很有意义。但是，如果我尝试在正则表达式中添加“-”，则会产生意外行为。例如

mystring = c("12-03-99", "A", "B")
date = grepl("[1-9]{2}-[1-9]{2}-[1-9]{2}", mystring)

> 日期
[1] 假假假假

为什么第二个示例对于向量 mystring ("12-03-99") 的第一个元素产生 False？

预先感谢您的帮助!

文森特

Answer 1

Regex101

这是一个简单的错误:

你正在使用 [1-9] 但你想要 [0-9]。

由于您的日期 12-03-99 中有一个 0，因此您的字符数组中需要它。

尝试:

mystring = c("12-03-99", "A", "B")
date = grepl("[0-9]{2}-[0-9]{2}-[0-9]{2}", mystring)

或

date = grepl("\d{2}-\d{2}-\d{2}", mystring)

正则表达式:

[0-9]{2}-[0-9]{2}-[0-9]{2}

Debuggex Demo

---

注意事项

这还将捕获 00-00-00 作为有效日期。

要解决此问题，只需使用以下正则表达式:

[0-9]?[1-9]-[0-9]?[1-9]-[0-9]?[1-9]

这可以缩短为:

\d?[1-9]-\d?[1-9]-\d?[1-9]

然后改为Regex101 :

(\d?[1-9]-){2}\d?[1-9]