需要在R中的文本文件中的某个部分之后提取日期

Question

我有很多文字文件。我需要从中提取日期。实际所需日期在文本文件中以如下格式出现：

1. 此处随机文字

2. 261 words 2008年2月18日22:25道琼斯国际新闻DJI英语

/ 这是文本文件中存在的行的示例语句，必须从中提取日期 /。

1. 再次随机发送文字

所以现在在这个问题实际上在单个文本文件中有很多这样的句子，但总是采用这种格式。

一种可能的算法可以是在上面句子中的“单词”字后面选择并显示三个单词。这三个人将成为约会对象。我需要R中的代码。

再次提到文本文件中的数据不在列和行中，而是段落。 子弹形式中 NOT 也存在。它是明智的。

Answer 1

grep以数字开头，然后是＆＃34;单词＆＃34; （允许空格），删除之前的所有内容＆＃34;单词＆＃34;并转换为"Date"类。请注意，as.Date会忽略日期之后的任何垃圾。

# test data
Lines <- "random text here
261 words 18 February 2008 22:25 Dow Jones International News DJI English
/This is a sample statement of line present in text file from which the
 date has to be extracted/.
11 words 18 January 2009 20:20 Dow Jones International News DJI English
"
L <- readLines(textConnection(Lines))

pat <- "^ *\\d+ words "
words.lines <- grep(pat, L, value = TRUE)
as.Date(sub(pat, "", words.lines), format = "%d %B %Y")

，并提供：

[1] "2008-02-18" "2009-01-18"