这是一份 AI 写正则表达式检查清单，复制到笔记里，每次使用前过一遍。用 AI 写正则表达式是描述你要匹配的文本规律，并提供几个应该匹配和不应该匹配的例子，让 AI 写出正则表达式并解释每一部分。工作流类技能的价值在于把 AI 嵌进你已有的流程里，而不是另起炉灶。先挑一个最常做、最费时的环节试点，效果稳定后再扩展。

适合对照清单的时刻

  • 校验输入格式，比如手机号、邮箱、编码。
  • 看不懂别人写的正则表达式。

清单的意义在于：告诉 AI 什么应该匹配很容易，但真正决定正则质量的是“什么不应该匹配”。

使用前

  • 说明使用环境，比如编程语言、编辑器或表格软件。
  • 用日常语言描述要匹配的规律。
  • 提供至少三个应该匹配和三个不应该匹配的例子。
  • 确认材料中不包含未发表的研究数据和论文手稿，必要时先脱敏。

使用中

  • 让 AI 写出正则并逐段解释。
  • 用测试工具或代码验证所有例子。
  • 不同语言和工具的正则语法有差异。
  • 先用测试工具验证，再在小范围数据上试用。

使用后

  • 在真实数据上小范围测试，确认没有误匹配后再批量使用。
  • 复杂正则加注释，否则过一段时间自己也看不懂。
  • 关键事实、数字和日期已对照原始资料核实。
  • 科研人员特别注意：让 AI 帮你梳理论文结构、解释方法和润色语言，观点和数据要由你负责。

不要这样做

  • 只描述规律不给例子。
  • 不说明使用环境。
  • 不测试直接批量替换。
  • 用正则处理复杂嵌套结构。

配套模板

清单配合下面的模板使用效果更好：

我需要一个正则表达式，用于[编程语言/工具]。
目标：从实验记录的文本中提取订单编号。
规律：以大写字母“OD”开头，后面跟 8 位数字。
应该匹配：OD20261016、OD00000001
不应该匹配：od20261016、OD123、OD2026101612
请：
1. 给出正则表达式，并逐段解释；
2. 用上面的例子说明每个是否匹配；
3. 指出可能的边界情况。

按清单完成后，结果大致会是这样（虚构示例）：

示例（虚构）：用户需要从日志中提取形如“2026-10-16 14:23:05”的时间。AI 给出正则并解释日期和时间各部分的写法，同时提醒“这个表达式不会校验日期是否真实存在，比如 2 月 30 日也会被匹配”。

让清单更好用的两个习惯

  • 把 AI 给出的正则粘贴到在线测试工具中，直观查看匹配结果。
  • 遇到匹配错误，把错误的例子补充给 AI，让它修正。

清单之外

不同语言的正则通用吗？ 基本语法相似，但细节有差异，比如部分高级语法并非所有环境都支持，要说明使用环境。

正则写得太复杂怎么办？ 可以拆成几步处理，或改用其他方法，可读性比简洁更重要。

把清单变成习惯

不必追求每次都完美勾满。更实际的做法是：重要任务全量检查，日常小任务只看标星的几项。科研人员在准备论文初稿或参加组会前用一次，就能感受到差别。

相关阅读