DeepSeek生成正则表达式时，提示词里要写哪些背景信息

想让DeepSeek生成的正则表达式真正能用？提示词里得把那些能约束匹配边界的背景信息给装进来，否则它只会输出那些泛化过度、锚点缺失、Unicode失效的正则字符串——看起来像模像样，实际上跑不动。

这里必须说清楚四类背景信息。

必须提供的四类背景信息

第一类，运行环境和语法标准。比如，你得写明“使用Python re 模块”或“兼容ECMAScript 2024”。DeepSeek默认是按Python解析的，但它不会主动声明。如果你目标是Ja vaScript环境却没提，它可能就混用了QE这类非通用语法，运行起来直接报错。

第二类，输入文本的真实结构特征。不是只扔一句“匹配错误日志”就完事。得说清楚“每行一条日志，格式为[时间] 错误码:消息，中间有空格分隔”。没有这个上下文，DeepSeek很容易忽略行首行尾、字段分隔符、固定前缀这些关键的边界信号。

第三类，字符集真实范围。要匹配中文姓名，就得写明“姓名由2–4个汉字组成”，光写“匹配人名”远远不够。

——漏写了，整个中文段落直接就被跳过了。同理，邮箱用户名里如果允许下划线或短横线，也要明确列出，别依赖“字母数字”这种模糊说法。

第四类，常见干扰模式及其位置。比如“日志末尾常带残缺URL如https://www.php.c，需排除”，或者“配置行可能以#开头，整行应被跳过”。DeepSeek可不会自动识别这些干扰。你得把它们作为负向断言的触发条件，写进背景信息里。

两种典型场景的背景写法对比

先说方法一：日志行整体校验（强结构化文本）。背景信息要包含：“输入是单行纯文本，无前后空格；字段间用单个空格分隔；时间戳固定为[YYYY-MM-DD HH:MM:SS]格式；错误码为全大写英文+数字组合，长度3–8位；消息部分可含任意可见ASCII字符，但不含换行”。

再看方法二：HTML片段中提取属性值（弱结构化文本）。背景信息要包含：“源文本是未清洗的HTML片段，可能含注释、JS内联代码、多余空格及换行；目标是从中提取src属性值；值被双引号包裹，但存在少数用单引号或无引号的情况；需跳过srcset等相似属性”。

最容易被忽略的背景细节

更要注意的是，必须写明是否允许前后空白。如果输入来自readlines()，每行自带n，而你没提，DeepSeek生成的正则很可能因为缺少^s*和s*$，导致re.match()失败。

还要说明大小写敏感性。不要写“不区分大小写”，而要写“

”。否则AI可能在解释里说“忽略大小写”，却不在正则中实际加入修饰符。

如果用于re.sub()替换场景，需要额外声明“保留原始空格结构，仅替换匹配到的数字部分”。不然它可能生成带s+的贪婪模式，把周围空格一并吞掉。