为什么在R中有些Unicode字符能在矩阵中显示，但不能在数据框中显示？

Question

为什么在R中有些Unicode字符能在矩阵中显示，但不能在数据框中显示？

29

对于至少一些情况，如果亚洲字符包含在一个矩阵或向量中，则可以打印出来，但不包含在数据框中。下面是一个例子：

q<-'天'

q # Works
# [1] "天" 

matrix(q) # Works
#      [,1]
# [1,] "天"

q2<-data.frame(q,stringsAsFactors=FALSE) 
q2 # Does not work
#          q
# 1 <U+5929>

q2[1,] # Works again.
# [1] "天"

显然，我的设备可以显示该字符，但当它在data.frame中时，它不起作用。

经过一番调查，我发现print.data.frame函数对每列运行format。结果发现，如果直接运行format.default，同样会出现这个问题：

format(q)
# "<U+5929>"

挖掘format.default，我发现它调用了用C编写的内部 format。

在进一步挖掘之前，我想知道其他人是否能够重现这种行为。 是否存在某种R配置，可以允许我在data.frame中显示这些字符？ 如果有帮助，我的sessionInfo()如下：

R version 3.0.1 (2013-05-16)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_Canada.1252  LC_CTYPE=English_Canada.1252   
[3] LC_MONETARY=English_Canada.1252 LC_NUMERIC=C                   
[5] LC_TIME=English_Canada.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
[1] tools_3.0.1

- nograpes

1

尝试设置 Sys.setlocale( locale="UTF-8" )。渲染不一致有点奇怪；然而，English_Canada.1252 并不打算处理亚洲字符。 - Kevin Ushey

2个回答

6

几天前我刚刚发表了一篇关于Unicode和R的博客。我认为你的R编辑器是UTF-8编码，这让你产生了一种错觉，认为在Windows中处理UTF-8字符的R没有问题。

简短的答案是：当你想要处理Unicode（例如中文）时，不要使用英文版的Windows，而应该使用默认为UTF-8编码的中文版Windows或Linux。

以下是我Ubuntu系统的会话信息：

> sessionInfo()
R version 2.14.1 (2011-12-22)
Platform: i686-pc-linux-gnu (32-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C

- Yin Zhu

@nograpes，在我的Ubuntu和RStudio中，没有这样的显示问题。 - Yin Zhu

有趣。你能发布你的 sessionInfo() 吗？这样我就可以比较和对比我们的配置了。 - nograpes

我错了，在Ubuntu下无法重现问题。然而，尽管如此有所帮助，但它并不能解释是否存在一种在Windows下的R配置可以解决该问题。 - nograpes

我使用的是CentOS 6.3，但是我也无法按照这篇文章设置语言环境。然而，我的sessionInfo()部分支持Unicode，部分不支持。 - wdkrnls

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nograpes · Accepted Answer

很不情愿自己回答这个问题，但是尽管评论和答案有所帮助，它们并不完全正确。在Windows中，似乎无法设置通用的“UTF-8”区域设置。然而，您可以设置特定于国家/地区的区域设置，在这种情况下将起作用：

Sys.setlocale("LC_CTYPE", locale="Chinese")
q2 # Works fine
#  q
#1 天

但是，这确实让我想知道为什么format似乎使用了locale; 我想知道在Windows中是否有一种忽略locale的方法。我也想知道在Windows上是否有一些通用的UTF-8 locale，我不知道。