用 Prompt 生成正则表达式进行文本匹配实战指南

四、高频场景实战案例

以下针对日常工作中常见的 5 类文本匹配场景，提供完整的 Prompt 思路及模型输出分析。

场景 1：匹配带区号的固定电话

需求：提取中国固话，区号 3-4 位，号码 7-8 位，允许括号，排除国际区号。

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

模型输出逻辑： 使用负向前瞻 (?!00) 排除国际区号，利用 \(?0\d{2,3}\)? 处理可选括号，[-.]? 处理连接符。

import re
# 待处理文本
text = "客户 A:010-12345678 客户 B:(021)87654321 客户 C:0086-10-12345678"
pattern = r'^(?!00)\(?0\d{2,3}\)?[-.]?\d{7,8}$'
matches = re.findall(pattern, text, re.MULTILINE)
print(matches)

场景 2：提取 URL 中的域名

需求：从链接中提取核心域名，排除协议头，支持无协议头情况。

Prompt 要点：指定顶级域名范围，明确分隔符处理。

模型输出逻辑： 使用分组捕获 ([a-zA-Z0-9.-]+\.(com|cn|org)) 提取域名主体，配合 i 标志忽略大小写。

const urls = [
  "https://www.baidu.com/s", 
  "HTTP://example.com/article",
  "ftp://www.zhihu.org/question"
];
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]);
});

场景 3：过滤敏感词评论

需求：匹配包含特定敏感词的评论，支持中间有空格或符号。

Prompt 要点：列出敏感词，说明允许的特殊字符间隔。

模型输出逻辑： 使用 | 分隔多个词，利用 \s* 或 [-]* 处理词内空格或符号。

$sensitivePattern = '/假 [\s-]* 虚 [\s-]* 宣 [\s-]* 传 | 假 [\s-]* 货 | 骗 [\s-]* 子/i';
// 使用 preg_match 判断是否匹配

场景 4：匹配中文姓名

需求：提取 2-4 个中文字符，排除含数字或符号的姓名。

Prompt 要点：明确 Unicode 范围，强调纯中文匹配。

模型输出逻辑： 使用 [一-龥]{2,4} 匹配常用汉字范围。

String namePattern = "[\\u4e00-\\u9fa5]{2,4}";
// Java 中反斜杠需转义

场景 5：提取日志时间戳

需求：匹配 YYYY-MM-DD HH:MM:SS 格式，校验年份月份范围。

Prompt 要点：明确日期有效性约束（如月份 1-12）。

模型输出逻辑： 通过分组枚举实现校验，如 (0?[1-9]|1[0-2]) 匹配月份。

# Linux grep 命令示例
grep -Eo '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

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：不同工具对正则语法的支持存在差异，必须在 Prompt 中说明工具类型。

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