为什么一些Unicode字符显示在矩阵中,而不是R中的数据帧？

Question

至少在某些情况下,亚洲字符如果包含在a matrix或a中vector,则不可打印,但不包含在a中data.frame.这是一个例子

q<-'?'

q # Works
# [1] "?" 

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

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

q2[1,] # Works again.
# [1] "?"

显然,我的设备能够显示角色,但是当它在a中时data.frame,它不起作用.

做一些挖掘,我发现该print.data.frame函数format在每列上运行.事实证明,如果format.default直接运行,会出现同样的问题:

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

深入研究format.default,我发现它是format用C语言编写的.

在我进一步挖掘之前,我想知道其他人是否可以重现这种行为.是否有一些R配置允许我在data.frames中显示这些字符？

我的sessionInfo(),如果它有帮助:

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

Answer 1

我讨厌回答我自己的问题,但是虽然评论和答案有所帮助,但它们并不完全正确.在Windows中,您似乎不能设置通用的"UTF-8"语言环境.但是,您可以设置特定于国家/地区的区域设置,在这种情况下可以使用:

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

但是,它确实让我想知道为什么确实format似乎使用了locale; 我想知道是否有办法让它忽略Windows中的语言环境.我也想UTF-8知道在Windows上是否存在一些我不了解的通用语言环境.

Answer 2

几天前我刚刚写了关于Unicode和R的博客.我认为你的R编辑器是UTF-8,这让你觉得你的Windows中的R处理UTF-8字符.

简短的回答是你想要处理Unicode(这里是中文),不要使用英文Windows,使用中文版Windows或Linux,默认情况下是UTF-8.

我的Ubuntu中的会话信息:

> 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