如何在R中正确读取带时区偏移的字符型datetime（夏令时场景）

我有一个数据集，其中包含字符型datetime列，时区为CEST/CET（欧洲中部时间），末尾标注+01:00/+02:00的时区偏移。我希望将其转换为POSIXct格式以便后续转为UTC，但在10月夏令时切换日，2点到3点的额外小时读取错误，时区偏移似乎被忽略。

源数据示例：

我的目标是让reprex$datetime_CEST_CET_converted[4]返回"2023-10-29 02:00:00 CET"而非"2023-10-29 02:00:00 CEST"。

当前使用的代码 #

library(dplyr)
library(lubridate)

source <- data.frame(
  datetime_CEST_CET_character = c("2023-10-29 00:00+02:00", "2023-10-29 01:00+02:00", "2023-10-29 02:00+02:00",
                                  "2023-10-29 02:00+01:00", "2023-10-29 03:00+01:00", "2023-10-29 04:00+01:00")
)

reprex <- source %>%
  mutate(datetime_CEST_CET_converted = as.POSIXct(datetime_CEST_CET_character, tz = "Europe/Paris"),
         datetime_UTC = with_tz(datetime_CEST_CET_converted, tzone = "UTC"))

reprex$datetime_CEST_CET_converted[3]

reprex$datetime_CEST_CET_converted[4]

reprex$datetime_CEST_CET_converted[5] - hours(1)

尝试过的无效方法 #

我尝试移除时区偏移中的冒号，在as.POSIXct()中添加format="%Y-%m-%d %H:%M+%z"，但结果返回NA：

修改后的数据源：

对应的代码：

source_without_colon_in_timezone <- data.frame(
  datetime_CEST_CET_character = c("2023-10-29 00:00+0200", "2023-10-29 01:00+0200", "2023-10-29 02:00+0200",
                                  "2023-10-29 02:00+0100", "2023-10-29 03:00+0100", "2023-10-29 04:00+0100")
)

reprex_without_colon_in_timezone <- source_without_colon_in_timezone %>%
  mutate(datetime_CEST_CET_converted = as.POSIXct(datetime_CEST_CET_character, format="%Y-%m-%d %H:%M+%z", tz = "Europe/Paris"),
         datetime_UTC = with_tz(datetime_CEST_CET_converted, tzone = "UTC"))

reprex_without_colon_in_timezone$datetime_CEST_CET_converted[3]

reprex_without_colon_in_timezone$datetime_CEST_CET_converted[4]

reprex_without_colon_in_timezone$datetime_CEST_CET_converted[5] - hours(1)

问题核心是as.POSIXct指定tz参数时，会优先用该时区解析时间字符串，忽略自带的偏移量，导致夏令时切换的重复时间被错误归类。以下是两种可靠的处理方式：

方法1：用lubridate的parse_date_time解析时区偏移 #

先按字符串自带的偏移解析为UTC时间，再转换到目标时区：

library(dplyr)
library(lubridate)

source <- data.frame(
  datetime_CEST_CET_character = c("2023-10-29 00:00+02:00", "2023-10-29 01:00+02:00", "2023-10-29 02:00+02:00",
                                  "2023-10-29 02:00+01:00", "2023-10-29 03:00+01:00", "2023-10-29 04:00+01:00")
)

reprex <- source %>%
  mutate(
    datetime_CEST_CET_converted = parse_date_time(datetime_CEST_CET_character, orders = "Ymd HMS z") %>%
      with_tz(tzone = "Europe/Paris"),
    datetime_UTC = with_tz(datetime_CEST_CET_converted, tzone = "UTC")
  )

# 验证结果
reprex$datetime_CEST_CET_converted[4]
# 返回："2023-10-29 02:00:00 CET"

方法2：先解析为UTC，再转换目标时区 #

不指定tz参数，让as.POSIXct自动识别字符串里的偏移得到UTC时间，再转换到欧洲中部时区：

reprex <- source %>%
  mutate(
    datetime_UTC = as.POSIXct(datetime_CEST_CET_character),
    datetime_CEST_CET_converted = with_tz(datetime_UTC, tzone = "Europe/Paris")
  )

reprex$datetime_CEST_CET_converted[4]
# 返回："2023-10-29 02:00:00 CET"

无效方法的原因 #

• 直接指定tz="Europe/Paris"时，as.POSIXct会忽略字符串自带的偏移，按该时区解析时间，导致重复的02:00都被识别为CEST。
• 你尝试的format="%Y-%m-%d %H:%M+%z"格式错误，正确格式应为"%Y-%m-%d %H:%M%z"（去掉前面的+），但即便修正格式，夏令时切换的重复时间仍可能被错误解析，因此优先推荐前两种方法。

内容的提问来源于stack exchange，提问作者Vincent