从r中的字符串中提取时间

Question

我想从R中的字符串(从数据库导入)中提取一些时间信息(持续时间)，并需要一些关于如何处理这个任务的帮助。问题是，在我想要处理的数据库中有数千个持续时间，但它们的格式不同。例如,

字符串

• 1天
• 23小时
• 3-5天
• 7-10天
• 48小时

正如您所看到的，它们的格式各不相同，有些有范围，有些有精确的持续时间，还有一些有分隔数字和字母的空格。理想情况下，这些数据将被处理成两列，包含一个范围，然后是第三列，我可以计算出总持续时间。因此，上述数据点的结果如下：

日；日

• 1;1
• .958;.958
• 3;5
• 7;10
• 2;2

我想我可能需要一个提取数字和寻找关键词的regexp。如果找到“小时”一词，请将其转换为“天”。如果找到破折号，请在破折号前后找到数字以及关键字“小时/日”。这似乎是一个混乱的工作，但想看看是否有人有想法，使我的生活更容易。

谢谢!

Answer 1

提取时间，用-拆分它们，将它们与小时或日单位相匹配，转换为天：

# recreate your data:
x <- c("1 day", "23 hours", "3-5days", "7-10 days", "48 hours ")

# identify if hours or days    
per <- c("days","hours")[max.col(sapply(c("day","hour"),grepl,x))]
# get the range of values as numeric data
vals <- lapply(strsplit(regmatches(x, regexpr("(\\d+|\\d+-\\d+)",x)),"-"),as.numeric)
# convert to difftime objects and re-format
lapply(Map(as.difftime, vals, units=per), as.numeric, units="days")

#[[1]]
#[1] 1
# 
#[[2]]
#[1] 0.9583333
# 
#[[3]]
#[1] 3 5
#
#[[4]]
#[1]  7 10
# 
#[[5]]
#[1] 2