Question

我正在考虑从像这样的字符串中提取会计年度月+日期

Fiscal year end: September 30; reporting period for blablablabla
Fiscal year end: March 31; reporting period for blablablabla

正如您所看到的，所有字符串都以Fiscal year end，冒号，空格，月份，空格，月份日期，半冒号和无用文本开头

我的正则表达式：

sub("^Fiscal year end: ([A-Za-z]*?\\s\\d*);","\\1", "Fiscal year end: March 31; reporting period for")

结果：

[1] "March 31 reporting period for"

我的期望：3月31日（因为我指定了一个匹配组）。我猜其余部分不匹配，因此未经修改，但是只有匹配组的干净方式是什么？

我找到了一个使用stringr的解决方法：

str_match("Fiscal year end: March 31; reporting period for", "^Fiscal year end: ([A-Za-z]*?\\s\\d*);")

给出一个矩阵，其中一个元素是匹配组：

     [,1]                         [,2]      
[1,] "Fiscal year end: March 31;" "March 31"

因此从结果中取出[1,2]可以得到我想要的内容，但我想有更简单的方法。

Answer 1

只需在 TRE 正则表达式模式中匹配任何0 +字符的末尾添加.*：

sub("^Fiscal year end: ([A-Za-z]+\\s*\\d+);.*","\\1", "Fiscal year end: March 31; reporting period for")

注意我使[A-Za-z]+模式贪婪（看起来更自然，因为无论如何会有一些字母）并在其后添加+量词，并\d匹配1个或多个字符（这些在你的场景中似乎是必须的）。

模式详情：

^ - 字符串开头
Fiscal year end: - 一系列文字字符
([A-Za-z]+\\s*\\d+) - 第1组捕获
- [A-Za-z]+ - 一个或多个字母
- \\s* - 0+ whitespaces
- \\d+ - 1+位数
; - 分号
.* - 任意0个字符，包括换行符号，直到字符串结束。

Answer 2

您可以将字符串解析为Date，然后使用format选择相关部分：

format(as.Date(x, format = "Fiscal year end: %B %d"), "%B %d") 
# [1] "September 30" "March 31"

在format的{{1}}参数中，您不仅可以包含转换规范（由as.Date引入），还可以包含其他字符;请参阅%的详细信息部分：

[a]格式字符串中的ny字符不是转换规范的一部分，按字面解释。

...和

每个输入字符串都会根据指定的格式进行处理：忽略任何尾随字符。

但请注意?strptime中的注意：

如果日期字符串未完全指定日期，则返回的答案可能是系统特定的。最常见的行为是假设缺少的年，月或日是当前的。如果它错误地指定了日期，则可靠的实现将给出错误，并且日期报告为?as.Date。

NA

Answer 3

鉴于你的字符串＆＃39;图案：

正如您所看到的，所有字符串都以Fiscal year end，冒号，空格，月份，空格，月份日期，半冒号和无用文本开头

你也可以这样做：

sub(";.*$","", sub("Fiscal year end: ", "", str))

#[1] "September 30" "March 31"

str <- c("Fiscal year end: September 30; reporting period for blablablabla", 
       "Fiscal year end: March 31; reporting period for blablablabla")