Estabas muy cerca, pero hay dos errores importantes de concepto en tu código:
Cuando haces pattern = r"[patron]+"
no estás metiendo ahí el patrón que has recibido como parámetro, sino literalmente las letras de la palabra patron
, por lo que el patrón que buscarías sería aquel compuesto por una o más repeticiones de esas letras (p
, a
, t
, r
, o
, n
).
Para meter el parámetro puedes hacer uso de las f-strings: pattern = f"[{patron}]+"
o bien de la función .format()
o del operador de interpolación de cadenas %
.
En la sustitución quieres poner [target]
/[endtarget]
alrededor del texto encontrado, pero tú lo estás poniendo alrededor de la cadena contenida en patron
. Esa cadena es fija, pues es el patrón de búsqueda pero no el resultado de esa búsqueda.
Para hacer lo que quieres la expresión en el segundo parámetro de re.sub()
debe contener una marca especial que representa al resultado encontrado por la expresión regular. Esta marca es \g<0>
. También podrías haber incluido un grupo de captura en el patrón (ponerlo todo entre paréntesis) y usar \1
para referirte a lo capturado en ese grupo.
En definitiva, con estos cambios tu código quedaría así:
import re
def tagger(texto, patron):
pattern = f"[{patron}]+"
texto2 = re.sub(pattern, r"[target]\g<0>[endtarget]", texto)
return texto2
Demostración:
>>> tagger("alsikjuyZB8we4 aBBe8XAZ piarBq8 Bq84Z ", "XYZAB")
alsikjuy[target]ZB[endtarget]8we4 a[target]BB[endtarget]e8[target]XAZ[endtarget] piar[target]B[endtarget]q8 [target]B[endtarget]q84[target]Z[endtarget]
Ampliación
La otra opción, la de usar grupos de captura, consiste en utilizar paréntesis dentro del patrón, para marcar qué parte de la expresión regular se quiere capturar porque se va a usar después en el patrón de sustitución. En este ejemplo particular no tiene mucho sentido, porque queremos que la captura sea el patrón completo. Aún así podría hacerse de este modo:
def tagger(texto, patron):
pattern = f"([{patron}]+)"
texto2 = re.sub(pattern, r"[target]\1[endtarget]", texto)
return texto2
El patrón lleva un (
al inicio y un )
al final, por lo que todo él es un grupo de captura (y el único en este caso, en otros casos más generales podrían aparecer más paréntesis, incluso anidados, dentro del patrón y serían grupos adicionales).
En la expresión de sustitución se usa \1
para referirse al primer grupo capturado (\2
al segundo si hubiera, etc.)
Un ejemplo de cómo ésto puede ser útil. Imagina que queremos buscar y reemplazar las mismas subcadenas, pero sólo si llevan un 8 detrás. En este caso el patrón a buscar serí a [XYZAB]+8
, pero el 8 no queremos reemplazarlo, por lo que el grupo de captura dejaría al 8 fuera. Entonces sería así:
pattern = "([XYZAB]+)8"
texto2 = re.sub(pattern, r"[target]\1[endtarget]", texto)