R：替换下划线非连续重复两次以上

Question

我收到了一个数据集，其中包含由下划线连接的短语，如下所示：

text <- "hi, how_are_you? that's_great. yes_i'm_als0_@k"

在此示例中，数据包含数字，符号，标点和空格。我想用下划线替换下划线出现3次或更多次（如yes_i'm_als0_@k中的下划线）。所需的输出是：

"hi, how_are_you? that's_great. yes i'm als0 @k"

另一种表达方式，我收到了一个带有硬编码ngram的数据集，我想保留unigram，bigrams和trigram。

Answer 1

gsubfn类似于gsub，但不是将第一个参数中指定的正则表达式替换为固定字符串，而是将匹配项传递给第二个参数中指定的函数，将输入替换为函数的输出。该函数可以用公式表示法指定，其中函数的主体位于右侧，而参数{此处为s是通过在右侧找到自由变量来确定的。

library(gsubfn)

gsubfn("\\S+", 
  ~ if (length(unlist(gregexpr("_", s))) >= 3) gsub("_", " ", s) else s, 
  text)

给予：

[1] "hi, how_are_you? that's_great. yes i'm als0 @k"