用 Prompt 生成正则表达式进行文本匹配实战

2. 标准 Prompt 模板

场景说明：我需要处理【具体文本类型】，目的是【提取/过滤/验证】。
需求描述：请生成一个正则表达式，用于【具体匹配规则】，其中需要注意【特殊约束】。
示例补充：
 - 需匹配的文本示例：【列举 2-3 个正面示例】
 - 不需匹配的文本示例：【列举 2-3 个负面示例】
工具约束：该正则将用于【工具/语言，如 Python re 模块】，请确保语法兼容。
额外要求：解释正则各部分含义，并提供对应的代码调用示例。

四、高频场景实战案例

以下针对日常工作中常见的 5 类场景，提供完整的 Prompt 思路、模型输出及验证分析。

场景 1：匹配带区号的固定电话号码

需求：从文本中提取带区号的固定电话，区号 3-4 位，号码 7-8 位，排除国际区号。

Prompt 关键点：明确区号格式、连接符、以及排除条件（如不匹配 00 开头）。

参考实现 (Python)：

import re

text = """
客户 A: 010-12345678（北京）
客户 B: (021)87654321（上海）
客户 C: 0086-010-12345678（国际区号，需排除）
"""

# 负向前瞻排除 00 开头的区号
pattern = r'^(?!00)\(?0\d{2,3}\)?[-.]?\d{7,8}$'
matches = re.findall(pattern, text, re.MULTILINE)
print(matches)

技巧分析：在 Prompt 中明确'排除 00 开头'，模型会生成负向前瞻 (?!00)。若未说明，可能包含国际区号。

场景 2：提取 URL 中的域名

需求：从 URL 中提取核心域名，排除协议头（http/https），支持常见后缀。

参考实现 (JavaScript)：

const urls = [
  "https://www.baidu.com/s?wd=prompt",
  "HTTP://blog.example.net/article"
];

// 捕获组 [2] 为核心域名
const domainPattern = /^(https?:\/\/|ftp:\/\/)?([a-zA-Z0-9.-]+\.(com|cn|org|net|edu))[\/\?#]?.*/i;

urls.forEach(url => {
  const match = url.match(domainPattern);
  if (match && match[2]) console.log(match[2]);
});

技巧分析：通过分组捕获指定需提取的部分，并用 [\/\?#]? 处理域名后的分隔符，避免多余内容。

场景 3：过滤包含敏感词的评论

需求：匹配包含特定敏感词的评论，支持中间有空格或符号的情况。

参考实现 (PHP)：

function hasSensitiveWord($comment) {
    // 支持敏感词中间有空格或短横线
    $sensitivePattern = '/假 [\s-]* 虚 [\s-]* 宣 [\s-]* 传 | 假 [\s-]* 货 | 骗 [\s-]* 子/i';
    return preg_match($sensitivePattern, $comment) === 1;
}

技巧分析：在 Prompt 中说明'敏感词中间可包含空格'，模型会使用 \s* 或 [-\s]* 实现灵活匹配。扩展敏感词只需按 | 格式追加。

场景 4：匹配中文姓名

需求：提取 2-4 个中文字符组成的姓名，排除含数字或字母的混合文本。

参考实现 (Java)：

String namePattern = "[\\u4e00-\\u9fa5]{2,4}";
// Unicode 范围覆盖常用简体中文字符

技巧分析：利用 Unicode 编码范围匹配中文是关键。若需支持生僻字，可在 Prompt 中说明，模型可能会调整编码范围。

场景 5：提取日志时间戳

需求：匹配 YYYY-MM-DD HH:MM:SS 格式的时间戳，校验年份和月份范围。

参考实现 (Linux Grep)：

# 筛选包含时间戳的行
grep -E '20[0-9]{2}-(0?[1-9]|1[0-2])-(0?[1-9]|[12][0-9]|3[01])\s([01]?[0-9]|2[0-3]):[0-5][0-9]:[0-5][0-9]' server.log

技巧分析：明确年份范围和月份逻辑，模型会通过分组枚举实现格式校验。严格日期有效性校验建议在代码中二次处理。

五、常见问题与解决方案

在实际使用中，可能会遇到匹配不完整或语法报错的情况：

六、总结与建议

1. Prompt 设计是关键：精准的需求描述（含场景、规则、示例、工具）是生成正确正则的前提。
2. 分场景适配：提取、过滤、验证的逻辑不同，需在 Prompt 中明确目标。
3. 工具兼容性优先：不同工具（Python、Java、Excel、Linux）对正则语法的支持存在差异，必须在 Prompt 中说明。

虽然 Prompt 能生成正则，但了解基础语法能更精准地描述需求。对于复杂逻辑（如日期有效性），建议将生成的正则与代码结合，实现双重保障。