Regex en python: ¿es posible obtener la coincidencia, el reemplazo y la cadena final?

Question

Para hacer un cambio de expresiones regulares, hay tres cosas que darle:

• El perfil de compatibilidad
• El patrón de sustitución
• La cadena original

Hay tres cosas que las el motor regex encuentra que me interesan:

• La coincidencia cadena
• La sustitución cadena
• La cadena final procesado

Al utilizar re.sub, la cadena final es lo que se devuelve. ¿Pero es posible acceder a las otras dos cosas, la cadena combinada y la cadena de reemplazo?

He aquí un ejemplo:

orig = "This is the original string." 
matchpat = "(orig.*?l)" 
replacepat = "not the \\1" 

final = re.sub(matchpat, replacepat, orig) 
print(final) 
# This is the not the original string 

La cadena de búsqueda es "original" y la cadena de reemplazo es "not the original". ¿Hay alguna manera de obtenerlos? Estoy escribiendo una secuencia de comandos para buscar y reemplazar en muchos archivos, y quiero que imprima lo que está buscando y reemplazando, sin imprimir toda la línea.

Answer 1

class Replacement(object): 

    def __init__(self, replacement): 
     self.replacement = replacement 
     self.matched = None 
     self.replaced = None 

    def __call__(self, match): 
     self.matched = match.group(0) 
     self.replaced = match.expand(self.replacement) 
     return self.replaced 

>>> repl = Replacement('not the \\1') 
>>> re.sub('(orig.*?l)', repl, 'This is the original string.') 
    'This is the not the original string.' 
>>> repl.matched 
    'original' 
>>> repl.replaced 
    'not the original' 

---

Editar: como @FJ tiene señalado, lo anterior solo recordará el último partido/reemplazo. Esta versión maneja múltiples ocurrencias:

class Replacement(object): 

    def __init__(self, replacement): 
     self.replacement = replacement 
     self.occurrences = [] 

    def __call__(self, match): 
     matched = match.group(0) 
     replaced = match.expand(self.replacement) 
     self.occurrences.append((matched, replaced)) 
     return replaced 

>>> repl = Replacement('[\\1]') 
>>> re.sub('\s(\d)', repl, '1 2 3') 
    '1[2][3]' 

>>> for matched, replaced in repl.occurrences: 
    ....:  print matched, '=>', replaced 
    ....:  
2 => [2] 
3 => [3] 

Answer 2

Miré a la documentación y parece que puede pasar una referencia a una función en el re.sub:

import re 

def re_sub_verbose(pattern, replace, string): 
    def substitute(match): 
    print 'Matched:', match.group(0) 
    print 'Replacing with:', match.expand(replace) 

    return match.expand(replace) 

    result = re.sub(pattern, substitute, string) 
    print 'Final string:', result 

    return result 

Y consigo esta salida cuando se ejecuta re_sub_verbose("(orig.*?l)", "not the \\1", "This is the original string."):

Matched: original 
Replacing with: not the original 
This is the not the original string.