用AI写正则表达式：零基础从匹配规则到文本清洗的完整教程（2026实战版）

你是不是也遇到过这种情况——同事发来一份 messy 的数据文件，里面混着电话号码、邮箱地址、日期，你需要把它们全部提取出来，手动一个个复制粘贴，折腾了一个小时还没弄完。或者你写个脚本要匹配某些文本格式，翻了半天正则语法，还是对不上。

正则表达式是文本处理的神器，但它的语法对普通人来说门槛太高了。 今天教你一个完全不同的思路：让AI帮你写正则，你只需要说人话。

本篇教程将从零开始，带你学会用ChatGPT编写、验证和优化正则表达式，配合198007.xyz上的在线工具，让你在5分钟内完成以前需要半小时的文本清洗工作。

一、为什么你需要正则表达式？

正则表达式（Regular Expression，简称 Regex）是一种用来匹配文本模式的工具。它看似复杂，但实际上你在日常生活中经常用到它——只是你可能不知道那个名字。

常见场景：

• 从一段文字中提取所有手机号：1\d{10}
• 验证邮箱格式是否正确：^[^@]+@[^@]+\.[^@]+$
• 把文档里所有的日期统一格式：(\d{4})-(\d{2})-(\d{2}) → $1年$2月$3日
• 从HTML代码里提取所有链接：href="([^"]+)"
• 批量删除文本中的空行和多余空格

如果你会写正则，处理这些任务只需要几秒钟。但如果要手写正则，很多人会在语法上卡很久。

用AI写正则，比你翻手册快10倍。 ChatGPT、Claude这些AI助手能听懂你的自然语言描述，直接生成可执行的正则表达式。你只需要说”帮我匹配所有中国大陆手机号”，AI就能给你正确的正则，还能解释每一部分的含义。

二、第一步：用AI生成正则表达式

2.1 明确你的匹配需求

在找AI之前，先想清楚你要做什么。以最常见的几个场景为例：

场景1：提取手机号 你需要从一段文字里找出所有中国大陆手机号（11位，以1开头，第二位是3-9）。

场景2：验证邮箱格式 你需要检查用户输入的邮箱是否符合规范。

场景3：批量替换日期格式 你有一批数据，日期格式是 2026-09-02，需要改成 2026年09月02日。

场景4：提取特定模式 你要从日志文件里提取所有的IP地址。

2.2 向AI描述你的需求

打开ChatGPT或Claude，用自然语言描述你的需求。以下是一些经过验证的提示词模板，直接复制使用：

提取类需求： > 请帮我写一个正则表达式，从文本中提取所有中国大陆手机号。要求：只匹配11位数字，以1开头，第二位是3-9。请同时告诉我每个部分的含义。

验证类需求： > 请帮我写一个正则表达式，用于验证邮箱格式。要求：符合标准邮箱格式，包含@符号和域名。请测试以下几个例子：test@example.com、invalid@、@example.com

替换类需求： > 请帮我写一个正则表达式，把文本中的日期格式从 “2026-09-02” 替换为 “2026年09月02日”。请提供替换后的完整示例。

AI会给你一个完整的正则表达式，并用中文解释每一部分的含义。比如上面手机号的例子，AI可能会返回：

^1[3-9]\d{9}$

然后解释： - ^ — 匹配字符串开头 - 1 — 以数字1开头 - [3-9] — 第二位是3到9之间的任意数字 - \d{9} — 后面跟着9个任意数字 - $ — 匹配字符串结尾

2.3 快速验证你的正则

拿到AI生成的正则后，不要急着用到实际数据里。先用在线工具测试一下，确保它能按预期工作。

访问 正则表达式测试器，把AI给你的正则粘贴进去，再把测试文本贴到输入框，就能看到实时匹配结果。如果匹配不对，直接把测试结果反馈给AI，让它调整：

这个正则匹配到了不需要的结果，比如下面这段文本里不应该匹配到 “12345678901”，请修正。

通过这种”生成→测试→修正”的循环，很快你就能得到精准的正则。

三、第二步：用正则做批量文本清洗

正则表达式不只是用来匹配，更重要的是用来做批量处理。下面教你几个最实用的清洗场景。

3.1 批量去重：清理重复条目

假设你有一份名单，里面有重复的名字：

张三
李四
张三
王五
李四
赵六
张三

方法1：用AI生成去重规则

请帮我写一个正则表达式，用来检测文本中连续重复的行。如果两行内容完全相同，只保留第一行。

AI可能不会直接给你去重的正则（因为去重通常需要程序逻辑），但它会告诉你用Python或Shell怎么实现：

import re
text = """张三
李四
张三
王五
李四
赵六
张三"""
# 使用正则找出所有不重复的行
lines = re.sub(r'^(.+)$', r'\1', text, flags=re.MULTILINE)
# 再去重
unique_lines = list(dict.fromkeys(lines.split('\n')))
print('\n'.join(unique_lines))

方法2：直接用在线工具

更简单的方式是打开 文本去重工具，把数据粘贴进去，一键去重。这个工具支持区分大小写和不区分大小写两种模式，还能选择保留首次出现还是末次出现的行。

3.2 批量替换：统一格式

你有一份数据，里面的日期格式不统一：

2026/09/02
2026-09-02
09-02-2026
2026.09.02

你需要把它们全部统一成 YYYY-MM-DD 格式。

向AI提问： > 请帮我写一个正则表达式，把以下不同格式的日期统一替换为 YYYY-MM-DD 格式。需要支持的格式包括：2026/09/02、2026-09-02、09-02-2026、2026.09.02。请提供替换命令和示例。

AI会给你类似这样的答案：

匹配：(\d{4})[/-\.](\d{1,2})[/-\.](\d{1,2})
替换：\1-\2-\3

这意味着把所有 XXXX/XX/XX 或 XXXX-XX-XX 格式，统一替换为 XXXX-XX-XX。

实操： 打开 文本替换工具，选择”正则替换”模式，粘贴AI给你的匹配规则和替换规则，一键批量替换。

3.3 批量提取：从杂乱文本中捞出关键信息

这是正则最强大的应用场景。假设你有一段会议记录：

【会议1】时间：2026-09-01 14:00，议题：Q3复盘，参会：张三、李四、王五
【会议2】时间：2026-09-03 10:00，议题：产品评审，参会：赵六、孙七
【会议3】时间：2026-09-05 16:00，议题：技术方案讨论，参会：周八、吴九、郑十、冯十一

你需要提取所有会议的时间、议题和参会人，整理成表格。

向AI提问： > 请帮我写一个正则表达式，从下面的会议记录中提取会议时间、议题和参会人。每个会议的格式是固定的，以【会议N】开头。请提供匹配规则和提取方式。

AI会返回：

匹配整条会议记录：
\【会议(\d+)】时间：(\d{4}-\d{2}-\d{2}) \d{2}:\d{2}，议题：([^，]+)，参会：(.+)

捕获组：
$1 = 会议编号
$2 = 日期
$3 = 议题
$4 = 参会人员名单

然后你可以把匹配结果粘贴到 CSV在线查看器 中，快速预览整理后的结果。如果需要进一步分析，可以用 CSV SQL分析器 进行筛选和汇总。

四、第三步：进阶技巧——让AI帮你优化正则

4.1 性能优化：大数据量下的正则陷阱

当处理大量文本时，某些正则表达式会导致性能问题。常见的陷阱是”灾难性回溯”——正则引擎在匹配失败时会尝试无数种组合，导致程序卡死。

如何避免： 让AI帮你优化： > 我这个正则表达式在处理大文本时非常慢，请帮我优化它，避免灾难性回溯。

AI通常会建议你： - 用原子分组代替贪婪匹配 - 用字符类代替嵌套量词 - 用非捕获组减少开销

4.2 跨语言兼容性

正则表达式在不同编程语言中略有差异。比如Python的re模块和JavaScript的RegExp在有些细节上不一样。

如果你要把正则用在特定编程语言中，告诉AI： > 我需要在Python的re模块中使用这个正则，请确认语法兼容性。

4.3 结合DuckDB做大规模数据清洗

如果你的数据量很大（几万行甚至更多），单个文件处理起来很慢，可以考虑用DuckDB来做批量清洗。DuckDB支持SQL中的正则表达式函数，可以直接在数据库层面完成文本提取和替换。

访问 DuckDB Lab 学习如何用DuckDB做高级数据清洗。比如：

-- 从文本中提取所有手机号
SELECT regexp_extract(text_column, '1[3-9]\d{9}') AS phone
FROM your_table;

-- 批量替换日期格式
SELECT regexp_replace(date_column, '(\d{4})[/-\.](\d{2})[/-\.](\d{2})', '\1-\2-\3')
FROM your_table;

五、实战案例：一周工作流整合

下面用一个完整的实战案例，把今天学到的所有技巧串在一起。

场景： 你是一名运营，每周需要从客户反馈邮件中提取关键信息，整理成周报。

原始数据： 200封客户邮件，格式不统一，需要提取客户名称、问题类型、紧急程度。

完整工作流：

第1步：导出邮件内容 从邮箱导出邮件列表，保存为CSV文件。

第2步：用AI生成提取正则 > 我有200封客户反馈邮件，格式不统一。我需要提取每封邮件中的：1. 客户名称（通常在邮件开头）2. 问题类型（如：产品故障、售后服务、技术咨询）3. 紧急程度（高/中/低）。请帮我写三个正则表达式，分别提取这三个字段。

第3步：用正则测试器验证 打开 正则表达式测试器，用10封邮件测试AI生成的正则，确保提取准确。

第4步：批量提取与清洗 把200封邮件交给AI处理： > 下面是200封邮件的文本，请用上面生成的正则提取客户名称、问题类型和紧急程度，输出为CSV格式。

第5步：去重与统计 用 文本去重工具 去除重复反馈，用 文本计数器 统计各类问题的数量。

第6步：生成周报 把清洗后的数据导入 CSV SQL分析器，用SQL查询统计各问题类型的占比，生成可视化报表。

整个过程，你不需要写一行代码，只需要会描述需求。AI帮你完成正则编写、批量提取、数据清洗的全部工作。

六、常见问题速查

Q1：AI生成的正则不对怎么办？ 直接告诉AI哪里错了，让它修正。比如：”这个正则在匹配邮箱时，把 ‘test@.com’ 也匹配了，请修复。”

Q2：正则太复杂看不懂怎么办？ 让AI用中文逐条解释每个符号的含义，或者让它用类比的方式解释。

Q3：我需要在Excel里用正则怎么办？ Excel 365版本支持REGEXEXTRACT和REGEXREPLACE函数。把AI生成的正则放进函数参数即可。

Q4：正则和Python脚本该怎么配合使用？ AI可以同时给你正则表达式和Python代码。你只需要把正则粘贴到代码中，运行脚本就能批量处理。

七、总结

正则表达式是文本处理的高效工具，但手写语法对非技术人员门槛太高。用AI写正则，本质上是把”翻译需求”的工作交给AI，你只需要负责说清楚要什么。

核心流程只有三步：描述需求 → AI生成正则 → 在线工具验证。掌握这个流程，无论是提取手机号、清洗日期格式、还是批量处理200封邮件，都能在几分钟内完成。

记住：正则表达式不需要你从头学起。遇到问题，先问AI，再用工具验证，不断迭代优化。这才是2026年最高效的文本处理方式。