R 从长字符串中提取日期

我有一个数据框，其中日期格式如下：

1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)

我想在三个不同的列中提取三个变量day、date和time，并将其添加到数据框中

Day as Tue
Date as 12/08/2014
Time as 7:25:24PM

前两个数字没有任何意义

---

dataframe由700000多行组成，我想用新列替换现有列。

我真的不知道如何在R中实现，但是如果你从js获得这个字符串，你可以这样做：

var date = new Date('Tue Aug 12 2014 19:25:24 GMT+0530 (IST)');
console.log(date.getTime());
console.log(date.getTimezoneOffset());

---

get time方法将以毫秒为单位返回unix时间戳，getTimezoneOffset将以分钟为单位返回时区偏移量。然后，您可以使用R中的日期函数来解析它。我希望它在那里实现。

这是一个困难的问题。R没有对字符串和日期/时间函数的最佳支持。但我能让它与一些黑客一起工作：

str <- '1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)';
fieldsBad <- strsplit(str,':')[[1]];
fields <- c(fieldsBad[1:2],paste0(fieldsBad[3:length(fieldsBad)],collapse=':'));
dt <- strptime(fields[3],'%a %b %d %Y %H:%M:%S');

df <- data.frame();
df[1,'Day'] <- strftime(dt,'%a');
df[1,'Date'] <- strftime(dt,'%d/%m/%Y');
df[1,'Time'] <- gsub('^0','',strftime(dt,'%I:%M:%S%p'));

df;

黑客解释：

不幸的是，

strsplit（）

函数不允许指定要生成的字段的最大数量，这与（例如）Perl不同，Perl中有一个

LIMIT

参数，在这里非常完美。因此，我必须对“过度拆分”进行排序，然后使用

paste0（）

将额外字段重新粘贴到冒号上

另外，

strtime（）

调用会忽略时区信息，不过幸运的是，它仍然可以从输入字符串中解析所有信息。我尝试将时区信息显式传递给

tz=

参数，但它无法识别IST或GMT+0530或我尝试的任何东西。但既然你似乎不需要时区，我们就可以了

最后，

strftime（）

的格式说明符似乎不允许在没有前导零的情况下指定12小时时间，因此我必须使用

%I

并调用

gsub（）

将其删除（如果存在）

---

（这将使

dat$parsed

成为数字，但这正是

POSIXct

将其转换为的内容，因此易于使用）

在将datetime作为3个单独的列添加到data.frame时，您应该小心，因为这3个列并不能唯一地标识特定的日期时间，因为您没有考虑时区。但是，如果您的所有日期时间都在同一时区，这应该不会是一个问题

s <- '1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)'
# If the first two numbers do not mean anything and are always separated by a
# colon, then we can remove them with the following gsub command:
s <- gsub("^[[:digit:]:]+","",s)
# Now we can convert the string to a POSIXlt object, assuming they all follow
# the format of including "GMT" before the signed timezone offset
p <- strptime(s, "%a %b %d %Y %H:%M:%S GMT%z")

---

“R没有对字符串和日期/时间函数的最佳支持。”呃…

lubridate

pacakge，mebbe？我从未使用过

lubridate

，看起来是个不错的软件包。很好的建议@hrbrmstrI认为它没有正确解析时间和时区。当我添加对

console.log（日期）的调用时，我得到
日期{2014年8月12日星期二09:55:24 GMT-0400（东部夏令时）}
。这是您所在时区的时间。我想没关系。哦，哈，你说得对。它解析正确，只是在我的时区显示结果（从GMT+0530偏移9.5小时）。那太好了！为您的见解投了赞成票。答案没有日期。你能试着把它也包括在答案中吗？@SuryaPavanPynda：我认为格式化日期时间很简单，所以我没有包括它。我刚刚加了。
library(lubridate)
library(stringr)

d <- "1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)"
d <- gsub("^[[:alnum:]:]+ ", "", d)
tz <- gsub("[ +-]", "", str_extract(d, " ([[:upper:]]+)[+-]"))

strptime(d, "%b %d %Y %H:%M:%S", tz=tz)
## [1] "Aug 12 2014 19:25:24 GMT+0530 (IST)"

dat$parsed <- mapply(as.POSIXct, 
       gsub("^[[:alnum:]:]+ ", "", dat$date),
       format="%b %d %Y %H:%M:%S", 
       tz=gsub("[ +-]", "", str_extract(dat$date, " ([[:upper:]]+)[+-]")))

s <- '1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)'
# If the first two numbers do not mean anything and are always separated by a
# colon, then we can remove them with the following gsub command:
s <- gsub("^[[:digit:]:]+","",s)
# Now we can convert the string to a POSIXlt object, assuming they all follow
# the format of including "GMT" before the signed timezone offset
p <- strptime(s, "%a %b %d %Y %H:%M:%S GMT%z")

# these times are the same, just in a different timezone (the second is made up)
s <- c('1:9:Tue Aug 12 2014 19:25:24 GMT+0530 (IST)',
       '9:1:Tue Aug 12 2014 19:55:24 GMT+0600 (WAT)')
s <- gsub("^[[:digit:]:]+","",s)
p <- strptime(s, "%a %b %d %Y %H:%M:%S GMT%z")
# the times are the same
as.POSIXct(p, tz="UTC")
# [1] "2014-08-12 08:55:24 UTC" "2014-08-12 08:55:24 UTC"

data.frame(Day=format(p, "%a"), Date=format(p, "%d/%m/%Y"),
  Time=format(p, "%I:%M:%S%p"), stringsAsFactors=FALSE)