Question

我正在清理包含各种奇怪命名约定的表。我一直看到的一个名字是一串日期。其中一些名称包含的数字可以，但我想从字符串中删除日期格式。

编辑 - 日期为mm / YY或mm / YYYY格式。正如我所见，这些日期通常是从2017年开始（我们想要更新的更新）。

例如：

names <- c('IT Company 09/18',  'Tech Company 9/17', '9/2018 XYZ Company', '50/50 Phone Company')

应该是：

c('IT Company', 'Tech Company', 'XYZ Company', '50/50 Phone Company')

我试图在这里使用此函数来标记字符串＆＃34; /＆＃34;和日期，但它也提取不是日期的数字：

names2 <- names[grepl("[[:digit:]]", names) & grepl("/", names)]

输出

> names2
[1] "IT Company 09/18"   
[2] "Tech Company 9/17"  
[3] "9/2018 XYZ Company" 
[4] "50/50 Phone Company"

是否有一个特定的日期表达式代替[[：digit：]]来查找带日期的字符串？

另外，删除日期的功能是什么，包括字符串中的斜杠？

Answer 1

听起来像是stringr套餐的工作＆＃39; string_remove_all功能。

诀窍是让正则表达式模式正确。事实上，您没有标准的日期格式，并且您希望保留50/50，这会使您的生活变得艰难。

这对我有用：

library('stringr')

date.pattern <- ' ?(0|1)?[1-9]/([0-9]{4}|[0-9]{2}) ?'

names <- c('IT Company 09/18',  'Tech Company 9/17', '9/2018 XYZ Company', '50/50 Phone Company')
str_remove_all(names, date.pattern)

该正则表达式应该说

＆＃34;日期是一个数字，或两个数字，其中第一个数字是0或1.（假设第一个数字总是一个月，单个数字月份可能有一个前导零）。
然后它（懒惰地）允许长度为2或4的年份。如果你有一个你期望遇到的年份的感觉，这可以更精确。＆＃34; 0001＆＃34;您的数据集可能不是一年。
最后，它还会删除前导空格或尾随空格（如果它们存在），因为看起来日期可以在您关注的部分之前和之后，并且从您关注的部分进行空格分隔。

输出

[1] "IT Company"          "Tech Company"        "XYZ Company"        
[4] "50/50 Phone Company"

通过str_extract_all运行此操作可能很明智，并检查输出以查看它们是否都具有日期外观。

Answer 2

我相信以下内容会做你想要的。它使用正则表达式后跟trimws来修剪结果开头和结尾的空格。

trimws(gsub("[[:digit:]]{1,4}/[[:digit:]]{1,4}", "", names))
#[1] "IT Company"    "Tech Company"  "XYZ Company"   "Phone Company"

Answer 3

这是一个stringr解决方案。这很复杂，因为很难通过查看来确定某个日期是否是日期：如果有更多情况，您需要检查输出并调整此代码。第一个正则表达式捕获的格式是1/2位数，/，0或1，还有一个数字，假设任何日期都是2000年后。第二行删除数字，/，然后是四位数。这很好地排除了50/50，但如果它被称为12/50 Phone Company怎么办？这可以解释为1950年12月的特定日期格式。您必须确保不会意外地排除任何类似的特殊情况，并且没有通用的方法来判断某些事情是否属于约会。

我会阅读正则表达式;这是一个good resource开始。

library(stringr)
names <- c('IT Company 09/18',  'Tech Company 9/17', '9/2018 XYZ Company', '50/50 Phone Company')

names %>%
  str_replace("\\d{1,2}/(0|1)\\d", "") %>%
  str_replace("\\d/\\d{4}", "") %>%
  str_trim()
#> [1] "IT Company"          "Tech Company"        "XYZ Company"        
#> [4] "50/50 Phone Company"

由reprex package（v0.2.0）创建于2018-03-14。

R - 如何从字符串中删除日期？

3 个答案: