作为负责取数、做报表和业务分析的数据分析师，你可能也有同感：大量时间花在写取数语句、调整表格格式和把结论翻译成业务语言上。正则表达式功能强大但难写难读，用自然语言描述规则让 AI 生成，再用测试样例验证，是最省事的做法。这篇文章用一个完整的例子演示数据分析师如何借助 AI 写正则表达式：给 AI 提供规则描述、应该匹配和不应该匹配的样例，让它生成正则并逐段解释，再在测试工具中验证。

场景：数据分析师为什么需要 AI 写正则表达式

数据分析师需要从一堆文本里批量提取或替换内容，比如从“订单明细”导出的文本中找出日期、编号或金额。手动处理几百条太慢，自己写正则又总是写错。现实中，数据分析师还得兼顾“完成 9 月用户留存分析报告”等日常事务，所以更需要一套拿来就能用的方法。

推荐工具

可以用 ChatGPT、Claude、DeepSeek 等对话助手生成正则，用 regex101 等在线工具测试；VS Code、Cursor 等编辑器的 AI 助手也能直接在文件中生成和应用。

生成正则用对话助手，验证用正则测试工具或编辑器的查找替换功能。

案例：一次完整的使用过程（虚构）

设想一个虚构场景：安琪刚接手一部分新工作，既要完成“支持市场部拉取活动人群数据”，又要准备“和产品对齐埋点口径”。面对需要写正则表达式的任务，安琪的做法是：先让 AI 按固定结构起草，再对照自己掌握的事实逐项修改，涉及用户明细、手机号和未公开的经营数据的部分一律用代号替换。这样既节省了时间，也守住了准确性和隐私的底线。

操作步骤

  1. 说明使用环境：Python、JavaScript、Excel 还是编辑器查找替换
  2. 描述规则，并提供 3-5 个应该匹配的例子
  3. 再提供 2-3 个不应该匹配的例子
  4. 让 AI 生成正则并逐段解释
  5. 在测试工具中用真实样例验证后再批量使用

可复用的提示词

下面的提示词可以直接复制，按数据分析师的实际情况替换细节：

【背景】最近在处理“核对两个口径不一致的 GMV 指标”，同时要准备“和产品对齐埋点口径”。
请帮我写一个 Python 正则表达式，用于从文本中提取日期和编号。

规则：
1. 日期格式可能是 2026-10-16、2026/10/16、2026年10月16日
2. 编号格式是两个大写字母加 6 位数字，例如 AB123456

应该匹配：
- “下单日期：2026/10/16，编号 AB123456”
- “2026年9月3日处理的 CD000123”

不应该匹配：
- “AB12345”（只有 5 位数字）
- “2026-13-01”（月份不合法）

请分别给出两个正则，逐段解释，并写一段 Python 示例代码。

效果示例（虚构演示）

下面是演示用的输出示例，其中的人名、数字和事项均为虚构，实际使用时请以你自己的资料为准：

日期

(\d{4})[-/年](0?[1-9]|1[0-2])[-/月](0?[1-9]|[12]\d|3[01])日?
  • (\d{4})：4 位年份
  • [-/年]：分隔符
  • (0?[1-9]|1[0-2])：1-12 月
  • (0?[1-9]|[12]\d|3[01])日?：1-31 日，可选“日”字

编号

\b[A-Z]{2}\d{6}\b

示例代码

import re
text = "2026年9月3日处理的 CD000123"
print(re.findall(r"\b[A-Z]{2}\d{6}\b", text))

注意：中文与字母相邻时 \b 可能不按预期工作，必要时改用 (?<![A-Z0-9]) 和 (?![0-9])。

拿到类似的结果后，安琪的做法是先核对事实和数字，再结合“和产品对齐埋点口径”的安排调整重点，最后才对外使用。

避坑指南

  • 一定要提供不应该匹配的例子，否则 AI 写的正则往往过于宽松。
  • 不同语言的正则语法有细微差异，说明使用环境。

给数据分析师的特别提醒

给 AI 表结构和字段含义，而不是真实数据；需要样例时用脱敏或虚构的几行。同时要记住：AI 不了解你们的指标口径，写出的语句和结论都要用小样本核对一遍。

举一反三

  • 数据清洗：去除多余空格、统一标点、删除特殊字符。
  • 表单校验：手机号、邮箱、身份证号等格式校验（注意隐私）。

相关阅读