譯者 | 陳峻
審校 | 重樓
不知你是否聽說過由人工智能（AI）來生成正則表達式（Regex）。這是一個有趣的領域，鑒于人工智能在文本分析方面優異的表現，它們足以開始“整理”各種現有表達式工具了。
作為開發人員，我們可能更希望將人工智能作為開發系統的一部分，從日常自己的工作流中提取信息，生成表達式，而不是停留在被動地接受由OpenAI等公司提供的所謂以用戶為中心的平臺方案的層面上。下面，我將從正則表達式的生成原理說起，向你介紹兩款可供免費使用的此類工具。
表達式生成原理
讓我們從一個簡單的倫敦旅行問題開始：“請問，從Walthamstow到Pimlico的最佳旅行方式是什么？”對此，ChatGPT能夠輕松地從該問句中提取起點和終點，并給出如下圖所示的答復：
該問題并不難回答。如果你愿意，還可以通過一問一答的方式，獲取更多的最新信息。上述問例的核心在于，算法準確地捕捉了“從（from）”和“到（to）”之間的文本，進而可以生產一個如下簡單的正則表達式案例，即：
/from ([A-Z][a-z]*) to ([A-Z][a-z]*)/如下圖所示，通過訪問www.regex101.com，我們可以看到其詳細的過程：
從下面整理的信息中，我們可以看出，兩個“捕獲組（capture group）”都成功捕捉到了起點和終點信息：
因此，假設我們需要獲取一個與上面類似的正則表達式，便可以借助人工智能工具來實現。總體而言，我們需要人工智能能夠做到：
- 主要目的是能夠生成正確的正則表達式，然后將其應用到自己的程序代碼中。
- 利用人工智能的優勢，理解句子中的情感表達，并通過起點和終點等關鍵字，來確認正在尋找的方向。
- 用戶可以在處理代碼的同時，快速領悟正則表達式的語法。
- 根據人工智能給出的多種不同的正則表達式方式，針對實際問題，選取最優解。
Regex.ai
如果你持續關注正則表達式領域的話，也許會和我一樣，首先想到的是Regex.ai網站。該網站的使用方式既有趣又簡單：你只需創建一個短語，并加入需要被提取的單詞，那么該網站就會生成各種候選的正則表達式。讓我們以上述旅行為例往下看：
如你所見，網站上的人工智能已按要求提取了起點和終點。
在此基礎上，我按下“運行（run）”按鈕，等待幾秒鐘后，便得到以下信息：
在上面的截圖中，你可以看到有四個不同的代理進行了四次不同的嘗試。其正則表達式位于每一列的上方，對應的結果位于下方。如你所見，只有一列提取到了正確的回復（即：代理B的兩組捕獲是正確的）。接著，在我點擊代理B的結果后，將會出現如下內容：
由上面的截圖可知，人工智能確實已正確地理解了問句的意思（盡管它可能還沒有完全理解提問者強調的是起點和終點）。
從技術上講，由于它使用了單詞邊界（如：開頭的\b）和空白匹配器（\s），而不僅僅是空格，因此其結果比較清晰可讀。同時，考慮到真實地名單詞可能存在不僅僅出現首字母為大寫的情況，因此相較于[A-Z][a-z]+，它使用了更為合理的[A-Z][a-z]*。
RegExGPT.app
與Regex.ai不同，網站RegExGPT.app并不會去捕獲各種詞組，而且采取如下圖所示的另一種方法：
通過在指定的問題區域內，使用英語來詢問提問者希望提供什么，該網站會給出創意性的組合。不僅如此，它還為我們提供了一套可行的正則表達式代碼段，而且其效果還不錯：
如上圖所示，首先，為了理解上下文，它會將輸出函數命名為“extractRoute”。
接著，它會對所提供的正則表達式進行全面解釋（請參閱下圖）：
而且，它甚至還會給出一個如何在JavaScript中使用的示例：
雖然上述正則表達式本身有些復雜，但是它能夠完整地解釋其推理過程。其中，括號用于捕獲，且被正則表達式賦予了優先權，而(?: ) 在此表示為非捕獲組（non-capturing group）。非捕獲組可用于完成前者“from”的捕獲，而無需為后者“to”產生開銷。
總的說來，雖然表達式(\w+(?:\s\w+)*)看起來比較復雜，但是其作用足以捕捉到包含了多個關鍵字（multi-word）的表達式，且不會弄錯捕捉組。如下圖所示，假設我們必須從Green Park出發，而不是從Walthamstow出發：
顯然，地名Green Park中的空格并沒有造成任何問題，而其他生成工具則不然。
目前，我僅發現了上述這兩款可供免費使用的人工智能工具，能夠生成滿足用戶不同場景需求的正則表達式。如果你有更好的AI工具值得推薦，不妨分享給我吧！
譯者介紹
陳峻（Julian Chen），51CTO社區編輯，具有十多年的IT項目實施經驗，善于對內外部資源與風險實施管控，專注傳播網絡與信息安全知識與經驗。
原文標題：Using AI to Help Developers Work with Regular Expressions，作者：David Eastman
