如何使用AI帮助开发者处理正则表达式

c++服务器开发

于 2024-07-28 10:00:00 发布

阅读量461

点赞数 5

文章标签：人工智能正则表达式

本文链接：https://blog.csdn.net/java_cjkl/article/details/140733618

版权

不知你是否听说过由人工智能（AI）来生成正则表达式（Regex）。这是一个有趣的领域，鉴于人工智能在文本分析方面优异的表现，它们足以开始“整理”各种现有表达式工具了。

作为开发人员，我们可能更希望将人工智能作为开发系统的一部分，从日常自己的工作流中提取信息，生成表达式，而不是停留在被动地接受由OpenAI等公司提供的所谓以用户为中心的平台方案的层面上。下面，我将从正则表达式的生成原理说起，向你介绍两款可供免费使用的此类工具。

让我们从一个简单的伦敦旅行问题开始：“请问，从Walthamstow到Pimlico的最佳旅行方式是什么？”对此，ChatGPT能够轻松地从该问句中提取起点和终点，并给出如下图所示的答复：

该问题并不难回答。如果你愿意，还可以通过一问一答的方式，获取更多的最新信息。上述问例的核心在于，算法准确地捕捉了“从（from）”和“到（to）”之间的文本，进而可以生产一个如下简单的正则表达式案例，即：

复制

/from ([A-Z][a-z]*) to ([A-Z][a-z]*)/

如下图所示，通过访问www.regex101.com，我们可以看到其详细的过程：

从下面整理的信息中，我们可以看出，两个“捕获组（capture group）”都成功捕捉到了起点和终点信息：

因此，假设我们需要获取一个与上面类似的正则表达式，便可以借助人工智能工具来实现。总体而言，我们需要人工智能能够做到：

如果你持续关注正则表达式领域的话，也许会和我一样，首先想到的是Regex.ai网站。该网站的使用方式既有趣又简单：你只需创建一个短语，并加入需要被提取的单词，那么该网站就会生成各种候选的正则表达式。让我们以上述旅行为例往下看：

如你所见，网站上的人工智能已按要求提取了起点和终点。

在此基础上，我按下“运行（run）”按钮，等待几秒钟后，便得到以下信息：

在上面的截图中，你可以看到有四个不同的代理进行了四次不同的尝试。其正则表达式位于每一列的上方，对应的结果位于下方。如你所见，只有一列提取到了正确的回复（即：代理B的两组捕获是正确的）。接着，在我点击代理B的结果后，将会出现如下内容：

由上面的截图可知，人工智能确实已正确地理解了问句的意思（尽管它可能还没有完全理解提问者强调的是起点和终点）。

从技术上讲，由于它使用了单词边界（如：开头的\b）和空白匹配器（\s），而不仅仅是空格，因此其结果比较清晰可读。同时，考虑到真实地名单词可能存在不仅仅出现首字母为大写的情况，因此相较于[A-Z][a-z]+，它使用了更为合理的[A-Z][a-z]*。

与Regex.ai不同，网站RegExGPT.app并不会去捕获各种词组，而且采取如下图所示的另一种方法：

通过在指定的问题区域内，使用英语来询问提问者希望提供什么，该网站会给出创意性的组合。不仅如此，它还为我们提供了一套可行的正则表达式代码段，而且其效果还不错：

如上图所示，首先，为了理解上下文，它会将输出函数命名为“extractRoute”。

接着，它会对所提供的正则表达式进行全面解释（请参阅下图）：

而且，它甚至还会给出一个如何在JavaScript中使用的示例：

虽然上述正则表达式本身有些复杂，但是它能够完整地解释其推理过程。其中，括号用于捕获，且被正则表达式赋予了优先权，而(?: ) 在此表示为非捕获组（non-capturing group）。非捕获组可用于完成前者“from”的捕获，而无需为后者“to”产生开销。

总的说来，虽然表达式(\w+(?:\s\w+)*)看起来比较复杂，但是其作用足以捕捉到包含了多个关键字（multi-word）的表达式，且不会弄错捕捉组。如下图所示，假设我们必须从Green Park出发，而不是从Walthamstow出发：

显然，地名Green Park中的空格并没有造成任何问题，而其他生成工具则不然。

关注