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(dá)式（Regex）。這是一個(gè)有趣的領(lǐng)域，鑒于人工智能在文本分析方面優(yōu)異的表現(xiàn)，它們足以開始“整理”各種現(xiàn)有表達(dá)式工具了。
作為開發(fā)人員，我們可能更希望將人工智能作為開發(fā)系統(tǒng)的一部分，從日常自己的工作流中提取信息，生成表達(dá)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(dá)式的生成原理說起，向你介紹兩款可供免費(fèi)使用的此類工具。
表達(dá)式生成原理
讓我們從一個(gè)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(diǎn)和終點(diǎn)，并給出如下圖所示的答復(fù)：
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(zhǔn)確地捕捉了“從（from）”和“到（to）”之間的文本，進(jìn)而可以生產(chǎn)一個(gè)如下簡單的正則表達(dá)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(xì)的過程：
從下面整理的信息中，我們可以看出，兩個(gè)“捕獲組（capture group）”都成功捕捉到了起點(diǎn)和終點(diǎn)信息：
因此，假設(shè)我們需要獲取一個(gè)與上面類似的正則表達(dá)式，便可以借助人工智能工具來實(shí)現(xiàn)。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(dá)式，然后將其應(yīng)用到自己的程序代碼中。
- 利用人工智能的優(yōu)勢，理解句子中的情感表達(dá)，并通過起點(diǎn)和終點(diǎn)等關(guān)鍵字，來確認(rèn)正在尋找的方向。
- 用戶可以在處理代碼的同時(shí)，快速領(lǐng)悟正則表達(dá)式的語法。
- 根據(jù)人工智能給出的多種不同的正則表達(dá)式方式，針對實(shí)際問題，選取最優(yōu)解。
Regex.ai
如果你持續(xù)關(guān)注正則表達(dá)式領(lǐng)域的話，也許會和我一樣，首先想到的是Regex.ai網(wǎng)站。該網(wǎng)站的使用方式既有趣又簡單：你只需創(chuàng)建一個(gè)短語，并加入需要被提取的單詞，那么該網(wǎng)站就會生成各種候選的正則表達(dá)式。讓我們以上述旅行為例往下看：
如你所見，網(wǎng)站上的人工智能已按要求提取了起點(diǎn)和終點(diǎn)。
在此基礎(chǔ)上，我按下“運(yùn)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(gè)不同的代理進(jìn)行了四次不同的嘗試。其正則表達(dá)式位于每一列的上方，對應(yīng)的結(jié)果位于下方。如你所見，只有一列提取到了正確的回復(fù)（即：代理B的兩組捕獲是正確的）。接著，在我點(diǎn)擊代理B的結(jié)果后，將會出現(xiàn)如下內(nèi)容：
由上面的截圖可知，人工智能確實(shí)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(qiáng)調(diào)的是起點(diǎn)和終點(diǎn)）。
從技術(shù)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(jié)果比較清晰可讀。同時(shí)，考慮到真實(shí)地名單詞可能存在不僅僅出現(xiàn)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(wǎng)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(qū)域內(nèi)，使用英語來詢問提問者希望提供什么，該網(wǎng)站會給出創(chuàng)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(dá)式代碼段，而且其效果還不錯(cuò)：
如上圖所示，首先，為了理解上下文，它會將輸出函數(shù)命名為“extractRoute”。
接著，它會對所提供的正則表達(dá)式進(jìn)行全面解釋（請參閱下圖）：
而且，它甚至還會給出一個(gè)如何在JavaScript中使用的示例：
雖然上述正則表達(dá)式本身有些復(fù)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(dá)式賦予了優(yōu)先權(quán)，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(chǎn)生開銷。
總的說來，雖然表達(dá)式(\w+(?:\s\w+)*)看起來比較復(fù)雜，但是其作用足以捕捉到包含了多個(gè)關(guān)鍵字（multi-word）的表達(dá)式，且不會弄錯(cuò)捕捉組。如下圖所示，假設(shè)我們必須從Green Park出發(fā)，而不是從Walthamstow出發(fā)：
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(fā)現(xiàn)了上述這兩款可供免費(fèi)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(dá)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(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專注傳播網(wǎng)絡(luò)與信息安全知識與經(jīng)驗(yàn)。
原文標(biāo)題：Using AI to Help Developers Work with Regular Expressions，作者：David Eastman
