在Python中通过正则表达式提取重复

我试图从通过正则表达式给出的大量数据中提取一些有用的数据。
示例字符串：

test 1:
hello op1 yviphf
hello op2 vipqwe
test 2:
hello op3
hello op4 vipgt
hello op5 zcv

上面包含2个测试编号，但有几个。我想提取op1、op2、op3、op4、op5以及相应的测试编号。每次测试中op的数量可能会有所不同。
以下是我尝试编写的模式，但没有帮助：

test\s(\d+).*?(?:hello\s+(\S+).*?\n)+

---

输出可以是列表的列表。主列表将第一个元素作为测试编号，第二个元素可能是包含所有op的列表。

我建议基于正则表达式的三步方法

• 首先，使用

  r'test\s*（\d+）

  和

  re.findall

  获取所有测试编号（这将仅获取编号列表，因为

  \d+

  子模式位于捕获组中）
• 其次，使用

  test\s*\d+

  regex拆分输入字符串，以获得带有

  hello

  代码的子部分，并在每个非空块上运行

  hello\s+（\s+）

  （或

  （？m）^hello\s*（\s+）

  （如果

  hello

  从行开始）regex（同样，

  re.findall

  将只获取包含在捕获组中的

  \S+

  子匹配）
• 将列表合并到元组列表中

:

---

结果：

[（'1'，['op1'，'op2']），（'2'，['op3'，'op4'，'op5']）]

您需要使用正则表达式吗

如果没有，则可以使用循环、strin比较和拆分：

data = {}
key = '_'
for linea in text.split('\n'):
    if "test" in linea:
        key = linea.split()[1][:-1]
        data[key]=[]
    else:
        _data_ = linea.split()[1]
        data[key].append(_data_)

print data
> {'1': ['op1', 'op2'], '2': ['op3', 'op4', 'op5']}

---

分两步进行：首先匹配完整的部分，然后为每个部分匹配op值。您需要使用正则表达式吗？您正在寻找

/s

标志吗？请参阅“可以”标记。您应该给出一个更好的示例字符串（更现实），因为很难回答。（ops看起来如何，每行的开头是否都有“hello”一词？）。如果您有大量数据，逐行工作会更好，也许您可以避免使用正则表达式并获得更快的结果。

data = {}
key = '_'
for linea in text.split('\n'):
    if "test" in linea:
        key = linea.split()[1][:-1]
        data[key]=[]
    else:
        _data_ = linea.split()[1]
        data[key].append(_data_)

print data
> {'1': ['op1', 'op2'], '2': ['op3', 'op4', 'op5']}