替换字符串中的多个空格，但保留单个空格

Question

我正在使用 R 阅读 PDF 文件。我想以这样一种方式转换给定的文本，即每当检测到多个空格时，我想用某个值替换它们（例如“_”）。我遇到了可以使用 "\\s+" (Merge Multiple spaces to single space; remove trailing/leading spaces) 替换所有 1 或更多空格的问题，但这对我不起作用。我有一个看起来像这样的字符串；

"[1]This is the first address                                          This is the second one
 [2]This is the third one                                                                     
 [3]This is the fourth one                                             This is the fifth"

当我应用我找到的答案时；用单个空格替换 1 或更多的所有空格，我将无法再识别单独的地址，因为它看起来像这样；

gsub("\\s+", " ", str_trim(PDF))

"[1]This is the first address This is the second one
 [2]This is the third one                                                                     
 [3]This is the fourth one This is the fifth"

所以我要找的是这样的东西

"[1]This is the first address_This is the second one
 [2]This is the third one_                                                                     
 [3]This is the fourth one_This is the fifth"

但是，如果我重写示例中使用的代码，我会得到以下结果

gsub("\\s+", "_", str_trim(PDF))

"[1]This_is_the_first_address_This_is_the_second_one
 [2]This_is_the_third_one_                                                                     
 [3]This_is_the_fourth_one_This_is_the_fifth"

有人知道解决方法吗？任何帮助将不胜感激。

Answer 1

每当我遇到字符串和正则表达式问题时，我喜欢参考 stringr 备忘单：https://raw.githubusercontent.com/rstudio/cheatsheets/master/strings.pdf

在第二页你可以看到一个标题为“量词”的部分，它告诉我们如何解决这个问题：

library(tidyverse)

s <- "This is the first address                                          This is the second one"

str_replace(s, "\\s{2,}", "_")

（由于习惯的力量，我在这里加载完整的tidyverse 而不是仅仅stringr）。 任何 2 个或更多空白字符都不会被 _ 替换。