对在高校或研究机构从事研究的研究生或科研人员来说，文献阅读量大，写论文、做数据处理、写基金申请和回复审稿意见都很耗精力。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。本文给出科研人员用 AI 写正则表达式的一套可直接照抄的做法：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：科研人员为什么需要 AI 写正则表达式

科研人员需要从一堆文本里批量提取或替换内容，比如从“实验记录”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。而且科研人员手上通常同时压着“撰写论文方法部分”之类的事情，如果每次都从零开始，很容易顾此失彼。

用什么工具

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。

一个虚构的例子

设想一个虚构场景：小李刚接手一部分新工作，既要完成“完成实验数据的初步统计”，又要准备“补充对照实验”。面对需要写正则表达式的任务，小李的做法是：先让 AI 按固定结构起草，再对照自己掌握的事实逐项修改，涉及未发表的研究数据和论文手稿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。

具体怎么做

  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. 让 AI 生成正则并逐段解释
  4. 在测试工具中用真实样例验证后再批量使用

提示词示例

把方括号和括号里的内容换成你自己的信息即可：

【背景】当前的难点是：实验设备排期紧张，补充实验可能推迟。
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：
- “实验日期：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。

AI 输出示例（示意）

以下是一段示意性的输出，内容基于虚构的工作记录，仅用于展示格式和思路，实际结果会因工具和输入不同而变化：

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])。

这样的输出只是起点。真正用到“精读 6 篇相关领域论文”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

注意事项与技巧

  • 不同语言的正则语法有细微差异，说明使用环境。
  • 批量替换前先备份，或先只做查找确认结果。

给科研人员的特别提醒

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。还有一点很关键：遵守期刊和学校关于 AI 使用的披露规定，不要让 AI 编造数据或文献。

再补充一条经验：AI 推荐的参考文献可能不存在，必须在数据库中逐条检索确认。

变体用法

  • 表单校验：手机号、邮箱、身份证号等格式校验（注意隐私）。
  • 解释正则：把看不懂的正则交给 AI，让它逐段说明。

相关阅读