Qwen2.5-7B-Instruct实战案例：用自然语言生成正则表达式+测试用例+边界说明

你是不是也遇到过这种情况？产品经理提了个需求：“帮我写个正则，能匹配所有手机号，但排除掉测试号段186开头的。” 你心里一咯噔，正则表达式这玩意儿，语法像天书，写起来费劲，调试起来更费劲。好不容易写出来，还得绞尽脑汁想各种边界情况去测试。

现在，有了Qwen2.5-7B-Instruct，这个痛点可以轻松解决了。这个7B参数的“大块头”模型，逻辑推理和代码能力远超轻量版，让它来当你的“正则表达式私人助理”，再合适不过。今天，我就带你看看，如何用自然语言，让这个AI助手帮你一站式搞定正则表达式的生成、测试和边界说明。

1. 为什么需要AI来写正则？

在深入实战之前，我们先聊聊为什么这件事值得做。正则表达式是程序员和数据分析师的利器，但它的学习曲线陡峭，语法晦涩难懂。

传统写正则的流程通常是这样的：

  1. 需求模糊：产品或业务方用自然语言描述匹配规则。
  2. 手动翻译：开发者将自然语言“翻译”成正则语法，这个过程极易出错。
  3. 反复调试：写个简单的测试脚本，用几个例子跑一下，发现不对再回去改正则。
  4. 遗漏边界：往往只测试了正常情况，一些奇怪的边界情况（如空字符串、超长输入、特殊字符）容易被忽略，为线上问题埋下隐患。

整个过程耗时耗力，而且对经验依赖很大。

而用Qwen2.5-7B-Instruct之后，流程变成了这样：

  1. 自然语言描述：你直接用大白话把需求告诉AI。
  2. 一键生成：AI瞬间返回正则表达式，并附上清晰的解释。
  3. 附带测试：AI同时提供覆盖各种情况的测试用例。
  4. 边界预警：AI会主动指出这个正则可能处理不了的边界情况。

从“人适应机器语法”变成了“机器理解人的意图”，效率和可靠性都大大提升。接下来，我们就启动服务，开始实战。

2. 环境准备与快速启动

首先，你需要一个已经部署好的Qwen2.5-7B-Instruct服务。如果你用的是基于Streamlit的镜像，启动非常简单。

启动服务：

  1. 找到并运行项目主程序（通常是 app.py 或 streamlit run app.py）。
  2. 首次启动需要加载7B模型，耐心等待20-40秒，控制台会显示加载进度。
  3. 看到宽屏聊天界面在浏览器中打开，就意味着服务启动成功了。

界面初览： 启动后，你会看到一个清爽的宽屏界面。左侧是控制台，有两个关键滑块：

  • 温度（创造力）：建议保持默认的0.7，这样AI的回答在准确性和创造性上有很好的平衡。
  • 最大回复长度：对于生成正则和代码的场景，可以调到1024或更高，确保回复完整。

右侧就是我们的主聊天区域了。一切就绪，让我们开始第一个任务。

3. 实战案例一：生成一个复杂的正则表达式

我们从一个相对复杂的需求开始，看看Qwen2.5-7B-Instruct如何应对。

我的需求是： “写一个Python的正则表达式，用来匹配中国大陆的手机号码。规则是：以1开头，第二位是3、4、5、6、7、8、9中的一个，总共11位数字。但是，需要能识别出号码中的运营商：移动（134-139, 147, 150-152, 157-159, 165, 172, 178, 182-184, 187-188, 198）、联通（130-132, 145, 155-156, 166, 171, 175-176, 185-186）、电信（133, 149, 153, 162, 173-174, 177, 180-181, 189, 190, 191, 193, 199）。最后，这个正则要能方便地提取出号段（前三位）和剩余号码。”

我把这段话直接输入到聊天框，点击发送。很快，AI给出了回复。

AI生成的代码与解释：

import re

# 综合匹配中国大陆手机号并识别运营商的正则表达式
pattern = r'^(1(3[0-9]|4[5-9]|5[0-9]|6[0-9]|7[0-9]|8[0-9]|9[0-9])\d{8})$'

# 为了清晰识别运营商，我们使用命名捕获组来分别匹配不同运营商号段
phone_regex = re.compile(r‘^(?P<all>(?P<prefix>1(3[4-9]|47|5[0-2]|5[7-9]|65|72|78|8[2-4]|8[7-8]|98)|1(3[0-2]|45|5[5-6]|66|71|7[5-6]|8[5-6])|1(33|49|53|62|7[3-4]|77|8[0-1]|89|90|91|93|99))\d{8})$’)

def parse_phone_number(phone_str):
    """
    解析手机号码，返回运营商信息和分段号码。
    """
    match = phone_regex.match(phone_str)
    if not match:
        return None

    full_number = match.group(‘all’)
    prefix = match.group(‘prefix’)

    # 根据前缀判断运营商
    if prefix.startswith(('134', '135', '136', '137', '138', '139', '147', '150', '151', '152', '157', '158', '159', '165', '172', '178', '182', '183', '184', '187', '188', '198')):
        carrier = “中国移动”
    elif prefix.startswith(('130', '131', '132', '145', '155', '156', '166', '171', '175', '176', '185', '186')):
        carrier = “中国联通”
    elif prefix.startswith(('133', '149', '153', '162', '173', '174', '177', '180', '181', '189', '190', '191', '193', '199')):
        carrier = “中国电信”
    else:
        carrier = “未知运营商”

    return {
        “full_number”: full_number,
        “prefix”: prefix,
        “remaining”: full_number[3:], # 第4位到第11位
        “carrier”: carrier
    }

# 测试用例
test_numbers = [
    “13800138000”, # 移动
    “18612345678”, # 联通
    “18987654321”, # 电信
    “12345678901”, # 非法第二位
    “1380013800”,  # 少于11位
    “138001380001”, # 多于11位
    “” # 空字符串
]

print(“测试结果：”)
for num in test_numbers:
    result = parse_phone_number(num)
    if result:
        print(f“号码 {num} -> 运营商: {result[‘carrier’]}, 号段: {result[‘prefix’]}, 剩余号码: {result[‘remaining’]}”)
    else:
        print(f“号码 {num} -> 匹配失败”)

AI提供的核心解释：

  1. 正则核心：^1(3[0-9]|4[5-9]|5[0-9]|6[0-9]|7[0-9]|8[0-9]|9[0-9])\d{8}$ 确保了1开头、第二位合法、总长11位的基本规则。
  2. 运营商识别：它没有用一个巨长无比的正则直接匹配所有号段，而是巧妙地用了命名捕获组(?P<prefix>...)先提取出前三位，然后在Python代码里用 startswith() 判断运营商。这样正则更清晰，代码也更易维护。
  3. 结构化返回：函数直接返回一个字典，包含完整号码、号段、剩余号码和运营商，开箱即用。

同时，AI还附上了测试用例和边界说明：

  • 正常用例：包含了移动、联通、电信的典型号码。
  • 异常用例：第二位非法的号码、长度不对的号码。
  • 边界情况：空字符串。AI特别指出，正则开头的^和结尾的$确保了必须完整匹配11位，空字符串自然匹配失败，符合预期。

这个回复不仅给了代码，还给了思路和验证方法，直接复制粘贴就能跑起来测试，非常贴心。

4. 实战案例二：从测试用例反推正则规则

有时候，我们手头只有一些正例和反例，需要反推出正则规则。这对AI的逻辑推理能力要求更高。

我这样问AI： “我这里有一些字符串，符合规则的包括：‘user_123’, ‘item-456’, ‘test_789-abc’。不符合规则的包括：‘123user’, ‘user@name’, ‘ab’, ‘averylongstringthatisnotvalid’。请帮我分析规则，并写出一个能匹配所有符合规则字符串的Python正则表达式。”

AI的分析与生成：

AI没有直接写正则，而是先给出了它的推理过程： “让我们先分析符合和不符合的字符串，找出模式： 符合的：user_123 (字母，下划线，数字)， item-456 (字母，连字符，数字)， test_789-abc (字母，下划线，数字，连字符，字母)。 不符合的：123user (以数字开头)， user@name (包含@符号)， ab (太短，且只有字母)， averylongstringthatisnotvalid (可能过长或包含空格？实际上它全是字母，可能规则要求必须有数字或特定分隔符)。

推测规则可能是：

  1. 必须以字母开头。
  2. 只能包含字母、数字、下划线(_)和连字符(-)。
  3. 必须至少包含一个数字。
  4. 长度可能有一定范围？从‘ab’被排除看，可能要求长度>=3。从长字符串被排除看，可能长度有上限，或者它被排除是因为不含数字（推测3更可能）。

先基于前三点写正则：^[a-zA-Z][a-zA-Z0-9_-]*\d[a-zA-Z0-9_-]*$。这个规则要求至少一个数字，且字母开头。”

然后，它给出了优化后的正则和测试代码：

import re

# 根据分析编写的正则表达式
# 规则：字母开头，仅包含字母数字下划线连字符，且必须至少包含一个数字。
pattern = r‘^[a-zA-Z][a-zA-Z0-9_-]*\d[a-zA-Z0-9_-]*$’
regex = re.compile(pattern)

test_strings = [
    “user_123”, # 符合
    “item-456”, # 符合
    “test_789-abc”, # 符合
    “123user”, # 不符合：数字开头
    “user@name”, # 不符合：包含@
    “ab”, # 不符合：无数字
    “averylongstringthatisnotvalid”, # 不符合：无数字
    “Valid_1”, # 新增：符合
    “A-2-b”, # 新增：符合
    “noNumberHere”, # 新增：不符合
]

print(“测试反推规则的正则：”)
for s in test_strings:
    match = regex.match(s)
    print(f“{s:30} -> {‘匹配成功’ if match else ‘匹配失败’}”)

AI的总结与边界提醒： “这个正则满足了已给示例。但需要注意：

  • 它没有限制长度。如果原规则有长度限制（比如3-20个字符），需要修改为 ^[a-zA-Z][a-zA-Z0-9_-]{2,19}\d[a-zA-Z0-9_-]*$ 并不准确，因为数字位置不定。更稳妥的是匹配后再检查长度。
  • 它要求至少一个数字。如果‘ab’是因为长度而非数字被排除，那么规则可能不同。 建议用更多测试用例验证，特别是边界情况，如空串、非常长的串、纯数字串等。”

这个案例展示了AI强大的归纳和推理能力。它不只是模式匹配，而是在分析正反例后，主动提出对潜在规则的假设，并指出当前方案的局限性，提醒我需要更多信息来确认。这就像一个经验丰富的同事在和你一起讨论需求。

5. 实战案例三：生成正则并附带完整测试套件

对于要上生产环境的代码，一个健壮的正则表达式必须配有完整的测试。我们可以让AI一次性完成。

我的指令： “为‘提取字符串中所有符合‘YYYY-MM-DD’格式的日期’这个需求，写一个Python正则表达式。请同时生成一个完整的pytest测试套件，覆盖以下情况：1. 标准日期（如‘2023-10-01’）。2. 月份和日期为个位数时带前导零和不带前导零的情况（如‘2023-9-5’）。3. 非法日期（如‘2023-13-01’， ‘2023-02-30’）。4. 字符串中包含多个日期。5. 字符串中混入其他类似格式但不是日期的内容（如‘2023-10-001’）。最后，请指出这个简单正则的局限性。”

AI的一站式输出：

import re
from datetime import datetime

def extract_dates(text):
    """
    使用正则表达式提取YYYY-MM-DD格式的日期。
    注意：此正则只做格式校验，不保证日期真实存在。
    """
    # 正则表达式：YYYY-MM-DD，月份01-12，日期01-31
    date_pattern = re.compile(r‘\b(\d{4})-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])\b’)
    matches = date_pattern.findall(text)
    # 将匹配的元组转换为字符串列表
    return [‘-’.join(match) for match in matches]

# 示例使用
sample_text = “项目开始于2023-09-01，结束于2024-1-15。中间有个错误日期2023-13-45。另一个日期是2023-02-28。”
print(“提取到的日期：”, extract_dates(sample_text))

紧接着，AI生成了详细的pytest测试套件：

# test_date_extractor.py
import pytest
from your_module import extract_dates # 假设上面的函数保存在your_module.py

def test_standard_date():
    assert extract_dates(“今天是2023-10-01。”) == [“2023-10-01”]

def test_single_digit_month_day():
    # 注意：正则要求两位数字，所以‘2023-9-5’不会被匹配
    assert extract_dates(“日期2023-09-05和2023-10-1。”) == [“2023-09-05”] # ‘2023-10-1’不匹配
    # 如果需要匹配单数字，正则应改为 r‘\b(\d{4})-(\d{1,2})-(\d{1,2})\b’，但这里按原需求。

def test_invalid_numeric_range():
    # 正则只检查数字范围，不检查日期有效性，所以‘2023-13-01’（月份13）不匹配，但‘2023-02-30’（2月30日）会匹配！
    assert extract_dates(“无效月2023-13-01。”) == []
    assert extract_dates(“无效日2023-02-30。”) == [“2023-02-30”] # 这是此正则的缺陷！

def test_multiple_dates():
    assert extract_dates(“从2023-01-01到2023-12-31。”) == [“2023-01-01”, “2023-12-31”]

def test_mixed_content():
    assert extract_dates(“编号2023-10-001不是日期，2023-10-01才是。”) == [“2023-10-01”]

def test_no_dates():
    assert extract_dates(“这里没有日期。”) == []

def test_date_like_patterns():
    assert extract_dates(“电话是1234-56-7890。”) == [] # 被\b单词边界限制，可能不匹配，取决于上下文。

if __name__ == “__main__”:
    pytest.main([“-v”, __file__])

最后，AI清晰地列出了该正则的局限性：

  1. 有效性验证不足：最大的问题是它无法验证日期是否真实存在（如2023-02-30、2023-11-31）。在生产环境中，提取后必须用 datetime.strptime() 或类似库进行验证。
  2. 格式僵化：它要求月份和日期必须是两位数字（带前导零），2023-9-5 这种格式无法匹配。如果需要更灵活，正则会变复杂。
  3. 单词边界依赖：\b 在有些上下文（如紧跟标点）下可能工作不如预期。
  4. 性能考虑：对于极端长的文本，复杂的正则可能有效率问题，但本例中问题不大。

AI不仅完成了代码和测试，还主动“踩坑”，指出了测试用例中暴露出的正则缺陷（匹配了2月30日），并给出了下一步的改进方向。这相当于一份高质量的开发文档和测试报告。

6. 总结与最佳实践建议

通过上面三个案例，我们可以看到，将Qwen2.5-7B-Instruct作为“正则表达式助手”能极大提升效率。它把我们从繁琐的语法记忆和碎片化的调试中解放出来。

回顾一下它的核心优势：

  • 自然语言交互：直接用说话的方式提需求，无需记忆复杂语法。
  • 逻辑推理能力强：能分析示例、推测规则，甚至发现你需求中潜在的矛盾点。
  • 输出结果即用：提供的代码通常结构清晰，附带解释和测试用例，质量很高。
  • 考虑边界情况：会主动指出生成的正则的局限性，提醒你注意验证。

在使用过程中，我也总结出一些最佳实践，能让它更好地为你服务：

  1. 需求描述要具体：越具体，生成的结果越精准。比如，不说“匹配邮箱”，而说“匹配常见的互联网邮箱格式，包含@和点，且域名部分至少有两个字母”。
  2. 提供正反示例：像案例二那样，提供“应该匹配”和“不应该匹配”的例子，能极大帮助AI理解你的真实意图。
  3. 明确编程语言和上下文：开头就说明是Python、JavaScript还是其他语言的正则，因为语法略有不同。如果正则是在特定函数或环境中使用，也一并说明。
  4. 利用多轮对话深化：不要指望一次成功。如果第一版正则不完美，可以把测试结果反馈给AI，比如“这个正则匹配了‘2023-02-30’，但我希望排除无效日期，该怎么修改？” 它能基于上下文进行迭代优化。
  5. 始终进行人工复核与测试：AI非常强大，但它不是神。对于核心业务逻辑或安全相关的正则（如输入验证），一定要用更全面的测试用例进行最终验证，特别是它提到的那些边界情况。

总而言之，Qwen2.5-7B-Instruct的出现，让处理正则表达式这类“精确但繁琐”的任务，变得像和一个聪明的同事结对编程一样轻松。它负责将模糊的需求转化为精确的语法和代码，而你则专注于更高层的逻辑和业务规则。下次再遇到正则难题，不妨让它来试试。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

# 正则表达式
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

当 AI 修图师装上“万能插头“：MCP 如何改变修图工作流

avatar AI编程社区
cover

2026年8月开发者实战指南：ChatGPT Plus / Pro + Codex 如何协同完成需求分析、编码、测试、调试与代码审查

avatar AI编程社区
cover

Claude API + Python实战：结构化输出后，如何拦住“看起来正确”的JSON

avatar AI编程社区