那段没人敢动的正则，AI花了40秒讲明白

一、接手老代码时，最怕看见一行200字的正则

独立开发者和小团队大概都经历过这样的场景：接手一个老项目，翻到某个校验逻辑，屏幕上赫然躺着一行一百多字符的正则表达式，没有注释，没有文档，写它的人三年前就离职了。

你面对它，通常只有三条路：

1. 硬读。 对着 MDN 和正则测试网站逐段拆解，运气不好遇到零宽断言、命名分组、贪婪与懒惰匹配混用，一两个小时就这么没了。
2. 绕开。 不动它，能跑就行。但需求一来要改匹配规则，你就得回来还债，而且利息更高。
3. 重写。 风险最大——你都不确定原正则匹配了哪些边界情况，重写等于盲改。

我们团队之前处理一个用户输入校验模块，里面一段校验手机号、邮箱、身份证混合输入的正则接近200字符。为了确认它的边界行为，我手动构造了二十多个测试用例逐个验证，前后花了将近两个小时，还不确定有没有漏。后来同类的事情又发生了几次，每次都是两小时级别的消耗。粗算下来，一年光“读懂别人的正则”这一项，团队就烧掉了好几个工作日。

问题的本质是：正则是一种写起来高效、读起来极其昂贵的语言。 写的人往往当场理解，读的人却要付出成倍的时间。而AI恰好擅长把这个“解读成本”压下来。

二、AI能帮你做的四件事

把这个场景交给大模型（Claude、GPT-4o、DeepSeek等主流模型都能胜任），它能稳定完成四件事：

1. 逐段拆解结构。 把正则按分组、量词、断言切开，每一段用自然语言解释“它在匹配什么、不匹配什么”。
2. 指出可疑写法。 比如灾难性回溯风险、无捕获必要的分组、字符类里的冗余转义——这些是人眼容易扫过去的地方。
3. 生成正反示例。 一组应该匹配的字符串、一组不应该匹配的字符串，直接可以粘进单元测试。
4. 给出等价改写。 用更可读的写法（如命名分组、x 模式加注释、或干脆拆成多段代码）重写，行为保持一致。

三、我的实际使用流程

第一步，把正则和上下文一起喂给模型。 只贴正则本身效果一般，加上它所在的语言（JavaScript/Python/Java 正则方言有差异）、用途描述、以及你已知的一个匹配样例，解释质量会明显提升。

第二步，要求结构化输出。 我固定要求模型按“整体功能 → 逐段拆解 → 正例5个 → 反例5个 → 风险点 → 可选改写”的格式回答，方便直接归档到项目文档里。

第三步，用生成的示例反验证。 模型生成的正反示例，我会立刻丢进正则测试工具或单元测试跑一遍。这一步不能省——AI偶尔也会自信地说错，测试是最后一道闸门。

第四步，把解释固化成注释。 拆解结果直接写回代码注释或文档，一次解读，全组受益。

用这套流程，前面提到的那段200字符正则，从粘贴进去到拿到完整拆解、12个测试用例和一份带注释的改写版本，用时约3分钟（含我在测试工具里验证）。对比之前手工拆解的约2小时，单次节省超过90%的时间。按团队一年遇到20次类似场景估算，大约能省下30多个小时——折合近一个工作周。

四、前后对比，把账算清楚

人力成本是显性的，还有一块隐性收益：敢改老代码了。 以前绕着走的正则，现在有了测试用例护城河，重构的决策成本大幅下降。

五、可复制的提示词模板

把下面这段存成代码片段，遇到看不懂的正则直接替换占位符即可：

你是一位资深正则表达式专家。请解析下面这段正则，并按以下格式输出：

【语言/方言】{填写：如 JavaScript / Python / Java}
【正则原文】{粘贴正则，或描述正则所在代码片段}
【已知用途】{填写：如校验用户输入的手机号}
【已知样例】{填写：一个确定能匹配的字符串，可选}

输出格式要求：
1. 整体功能：用一两句话概括它匹配什么；
2. 逐段拆解：把正则切分成逻辑片段，逐段解释含义，标注分组编号与命名分组；
3. 正例：给出5个应该匹配成功的字符串，并说明各自命中了哪部分规则；
4. 反例：给出5个应该匹配失败的字符串，并说明为什么失败；
5. 风险点：指出潜在问题，如灾难性回溯、贪婪匹配歧义、方言兼容性、可读性问题；
6. 可选改写：给出一个等价但更可读的版本（可用命名分组或拆成多段代码），并说明改动理由。

注意：只基于给定信息分析，不确定的地方明确标注“待确认”，不要臆测。

两个使用小技巧：一是反例部分特别有价值，人手动想反例最容易偷懒，而边界bug恰恰藏在反例里；二是“待确认”这个约束能有效减少模型一本正经地胡说。

六、几点提醒

• 方言差异要写清楚。 JS的具名分组和Python的写法不同， lookahead的支持程度也不同，不说清楚模型会默认选一个。
• AI的解析结果要过测试。 生成的示例跑一遍成本极低，但能拦住绝大多数错误解释。
• 敏感数据先脱敏。 正则里有时内嵌了业务前缀或内部编号规则，贴给模型前先处理。

写在最后

正则只是切入点，同一套“AI拆解 + 生成示例 + 测试验证”的流程，完全可以复用到复杂SQL、遗留配置文件、第三方API的报文格式上。这类“读懂成本高、写对一次就能复用”的活，正是当下AI最划算的应用场景之一。

如果你还没接入AI能力，或者想在多个模型之间自由切换来处理这类任务，可以试试 Thistoken 的统一接入服务——一次配置，多模型可用：https://api.thistoken.ai/register

---

想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。