Искам да извлека дати от дадения текст, датите могат да бъдат във всякакъв формат 10 април 2018 г., 10-04-2018 г., 10/04/2018, 2018/04/10, 04.10.2018 като в други формати ....
Имам новинарски данни и искам да извлека дати от текста
например: Моят приятел идва на 10 юли 2018 г. или 07.10.2018 г.
искам да извлека дата от дадения текст
Моля помогнете
Благодаря предварително
извличаме го с помощта на str_extract и след това с anydate получаваме формата
library(anytime)
library(stringr)
anydate(str_extract_all(str1, "[[:alnum:]]+[ /]*\\d{2}[ /]*\\d{4}")[[1]])
#[1] "2018-07-10" "2018-10-07"
str1 <- "My Friend is coming on july 10 2018 or 10/07/2018"
[[:alnum:]]+), последвани от нула или повече интервал + наклонена черта ([ /]*), последвана от две цифри, след това интервал или наклонена черта и четирите цифри. Това основно съответства на july 10 2018 или 10/07/2018 и се преобразува в клас Date с anydate
- person akrun; 05.05.2018
parsedate работи добре за тези неща.
library(parsedate)
dates = c("April 10 2018", "10-04-2018", "10/04/2018", "2018/04/10", "04.10.2018")
parsedate::parse_date(dates)
[1] "2018-04-10 UTC" "2018-10-04 UTC" "2018-10-04 UTC" "2018-04-10 UTC" "2018-10-04 UTC"
Предложеното решение се проваля, без очевидна причина, със следния низ:
txt = „Преглед на живо, тъй като данните за заплатите в САЩ показват голям ръст на безработицата, след като съставните данни за PMI показват, че бизнес активността в Обединеното кралство е спаднала до рекордно ниско ниво през март след блокирането на Covid-19“ parsedate::parse_date(txt)
Анализаторът е хубав пакет, но се проваля със следния низ
txt = "Live coverage as American payrolls data shows big rise in unemployment, after composite PMI data shows UK business activity sunk to a record low in March following the Covid-19 lockdown"
> parsedate::parse_date(txt) [1] "2020-03-19 UTC"
[1] "2020-03-19 UTC"
anytime. Функциятаanydateможе да е полезна - person Mike H. schedule 03.05.2018