as.Date的月名为“M rz”(3月)

Question

我得到了一个刻有日期的字符向量。我的问题是:当使用as.Date()时，包含月份名称“M rz”(=在德语中意思是“游行”)的每个日期都是NA编辑的。为什么会这样呢？

下面是一个(希望是可复制的)示例：

require(RCurl)
require(XML)
doc <- htmlParse(getURL("http://www.amazon.de/product-reviews/3836218984/?ie=UTF8&pageNumber=5&showViewpoints=0&sortBy=byRankDescending"), 
                 encoding="UTF-8")
(dates <- xpathSApply(doc, "//div/span[2]/nobr", xmlValue))
# [1] "12. Februar 2009"   "12. November 2006"  "19. März 2010"     
# [4] "30. Juni 2007"      "7. März 2006"       "19. März 2007"     
# [7] "22. Januar 2006"    "24. September 2005" "15. Februar 2012"  
# [10] "28. März 2007" 

Sys.setlocale("LC_TIME", "German") # on Windows, see ?Sys.setlocale
as.Date(dates,  "%d. %B %Y")
# [1] "2009-02-12" "2006-11-12" NA           "2007-06-30" NA          
# [6] NA           "2006-01-22" "2005-09-24" "2012-02-15" NA 

对下一步要尝试什么有什么想法吗？

请注意，如果我在dputed和复制/粘贴字符向量上应用相同的内容，那么一切都很好：

dates <- c("12. Februar 2009", "12. November 2006", "19. März 2010", "30. Juni 2007", 
           "7. März 2006", "19. März 2007", "22. Januar 2006", "24. September 2005", 
           "15. Februar 2012", "28. März 2007")
as.Date(dates,  "%d. %B %Y")
# [1] "2009-02-12" "2006-11-12" "2010-03-19" "2007-06-30"
# [5] "2006-03-07" "2007-03-19" "2006-01-22" "2005-09-24"
# [9] "2012-02-15" "2007-03-28"

为了完整起见，我的会话信息：

R version 3.0.2 (2013-09-25)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=German_Germany.1252  LC_CTYPE=German_Germany.1252    LC_MONETARY=German_Germany.1252
[4] LC_NUMERIC=C                    LC_TIME=German_Germany.1252    

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

loaded via a namespace (and not attached):
[1] tools_3.0.2

Answer 1

我可以在Windows7 x64上复制这个。关于R和Windows如何与字符编码交互存在许多问题，我并不假装理解它们。在您的示例中，在转换为latin1之前，只需简单地转换为Date编码就可以了。

as.Date(iconv(dates,from='UTF-8',to='latin1'),'%d. %B %Y')
#  [1] "2009-02-12" "2006-11-12" "2010-03-19" "2007-06-30" "2006-03-07" "2007-03-19"
#  [7] "2006-01-22" "2005-09-24" "2012-02-15" "2007-03-28"

也许有一种方法可以让as.Date识别Windows中的不同编码，但我不知道。

Answer 2

我也有一个类似的问题。我将编写我找到的解决方案，希望能帮助用户使用意大利本地系统设置

 Sys.setlocale("LC_TIME")

1 "Italian_Italy.1252“

到目前为止，我不得不转换因素:因素是

levels(dates)

“2012年6月1日”“2012年9月11日”2012年10月19日“”2013年3月20日“”2012年6月28日“6”2012年5月7日“

这在所有月份的转换中都产生了NA (因为缩写在意大利语中是相同的)。

 head(as.Date(dates, format= "%d. %b. %Y"))

1 NA

 summary(GEM_variability$date)

    Min.      1st Qu.       Median         Mean      3rd Qu.         Max. 

"2013-03-20“"2013-03-20”"2013-03-20“"2013-03-20”"2013-03-20“NA的"559”

我在?strftime的帮助文件中找到了解决方案。

lct <- Sys.getlocale("LC_TIME"); Sys.setlocale("LC_TIME", "C")
dates<- as.Date(date, format="%d. %b. %Y")
#dates<- strptime(date, format="%d. %b. %Y")
Sys.setlocale("LC_TIME", lct)

Answer 3

这是一个很长的注释/回答扩展。

我也遇到了同样的问题。

例如，用

months <- c("JAN", "FEB", "MAR", "APR", "MAY", "JUN", 
            "JUL", "AUG", "SEP", "OCT", "NOV", "DEC")
for (month in months) print(
     as.Date(iconv(paste("01", month, "2014", sep=""), 
                  from='UTF-8', to='latin1'), "%d%b%Y"))

我得到了

[1] "2014-01-01"
[1] "2014-02-01"
[1] NA
[1] "2014-04-01"
[1] NA
[1] "2014-06-01"
[1] "2014-07-01"
[1] "2014-08-01"
[1] "2014-09-01"
[1] NA
[1] "2014-11-01"
[1] "2014-12-01"

因此，我没有3月、5月和10月的日期(使用或不使用iconv()与具体的论点无关)。

解决办法是：

Sys.setlocale("LC_TIME", "en_US.UTF-8")

然后，我得到了一切正确(iconv()是不必要的)。