用 AI 生成正则表达式：把自然语言需求变成可靠的模式

正则表达式难写、更难读，是很多开发者的心病。把「匹配中国大陆手机号」「提取文本里所有 URL 」这类需求直接说给 AI 听，几秒钟就能拿到一段能跑的模式。但 AI 给的正则常常「看起来对、跑起来漏」，本文讲清怎么让 AI 生成既正确又可维护的正则，以及上线前必须做的三道验证。

为什么正则适合交给 AI

正则的痛点不在语法多难，而在于它把逻辑压缩成一串难以阅读的符号。人写正则容易漏边界、错转义，而 AI 见过海量模式，能从自然语言描述里直接推断出意图。更重要的是，AI 可以同时给你多语言版本和测试用例，省去你查手册的时间。但它不是神仙——AI 默认追求「能匹配你举的例子」，不会主动覆盖你没说的边界，这正是需要人把关的地方。

把需求说清楚：提示词的写法

模糊的需求会得到模糊的正则。与其说「帮我写个邮箱正则」，不如给 AI 明确约束：要匹配什么、不要匹配什么、运行在哪个引擎。一个好用的提问结构是「场景 + 样例 + 引擎 + 边界」。例如：「用 Python re 写一个匹配中国大陆手机号的正则，样例 13812345678 应匹配、 12345 和 1381234567（10 位）不应匹配。」越具体的反例，越能逼出准确模式。关于怎么把需求描述得让 AI 一次到位，可以参考 AI 编程多模型分工 里对提示结构的拆解。

让 AI 自带测试用例

不要只索要一行正则，要它同时产出测试。让 AI 写一段覆盖正常、边界和异常输入的脚本，并在本地实跑。比如让模型生成 10 个应匹配和 5 个不应匹配的字符串，用断言验证。这一步能把「肉眼看着像」变成「机器验过对」。把测试纳入仓库，下次改动正则时一键回归，避免改一处漏一片。

上线前的三道验证

• 正确性：用你的真实数据跑一遍，尤其是那些边界样本，确认不漏不误。
• 性能：用长文本或恶意输入压测，确认没有灾难性回溯（ReDoS），否则一个长字符串就能打挂服务。
• 迁移性：确认目标语言/库支持你用到的语法（如环视、命名分组在部分引擎里不支持）。

性能和正确性是两件事，正确不代表快。关于在大型代码库里安全地验证 AI 产物，可以结合 AI 编程的代码检索 的思路，把正则放进受控环境再验证。

可读性：把天书变回人话

AI 产出的正则往往是一行超长表达式。上线前让它加注释、拆成具名分组，或者用 x 模式（忽略空白、允许注释）重写。团队里下一个维护者看到 (?P<area>\d{3}) 加一行注释，远比面对 \d{3}\d{4}\d{4} 安心。可读性不是洁癖，而是降低未来改错的概率。

常见场景与坑

• 贪婪匹配：默认 .* 会吞掉过多内容，记得用非贪婪 .*? 或限定字符集。
• 转义遗漏：点号、斜杠、括号在正则里有特殊含义，AI 偶尔会漏转义，测试能抓出来。
• Unicode 边界：中文、 emoji 的边界处理和 ASCII 不同，涉及多语言文本时要特别说明。

把正则交给 AI 是效率革命，但把它当作「生成后即可信」是事故开端。建立「样例约束 + 自带测试 + 三道验证 + 注释化简」的闭环，正则就从玄学变成可维护的工程资产。这与 AI 代码评审清单 倡导的「先跑一遍再人工终审」是一致的。

常见问题