Я хочу извлечь даты из заданного текста, даты могут быть в любом формате 10 апреля 2018 г., 10-04-2018 г., 04.10.2018, 2018/04/10, 04.10.2018, как и в других форматах ....
У меня есть данные новостей и я хочу извлечь даты из текста
например, "Мой друг" выйдет 10 июля 2018 г. или 07 октября 2018 г.
я хочу извлечь дату из данного текста
Пожалуйста помоги
заранее спасибо
мы извлекаем его с помощью str_extract, а затем с помощью anydate получаем формат
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:]]+), за которыми следует ноль или более пробелов + косая черта ([ /]*), за которыми следуют две цифры, затем пробел или косая черта и четыре цифры. Это в основном соответствует july 10 2018 или 10/07/2018 и преобразуется в класс Date с anydate
- person akrun; 05.05.2018
parsedate хорошо работает для этих целей.
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"
Предлагаемое решение терпит неудачу по непонятной причине со следующей строкой:
txt = «Прямая трансляция, поскольку данные о заработной плате в США показывают значительный рост безработицы после того, как сводные данные PMI показывают, что деловая активность в Великобритании упала до рекордно низкого уровня в марте после блокировки Covid-19» parsedate::parse_date(txt)
Parsedate — хороший пакет, но он терпит неудачу со следующей строкой
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. Функцияanydateможет быть полезна - person Mike H. schedule 03.05.2018