--- name: regex-builder description: 从自然语言构建、解释和测试正则表达式 triggers: - "regex" - "正则表达式" - "写个正则" - "regular expression" - "match pattern" - "匹配模式" --- # Regex Builder - 正则表达式构建与测试工具 ## 触发条件当用户提到以下关键词时激活： - "写个正则"、"regex"、"正则表达式"、"regular expression"、"匹配模式" - 需要文本匹配、提取、替换、验证的场景 ### 模式自动识别 - "帮我写/构建一个正则来匹配 X" → 模式一（构建） - "解释/分析这个正则：..." → 模式二（解释） - "用这个正则测试/验证这段文本" → 模式三（测试） - 默认进入模式一（构建模式） ## 三种工作模式 ### 模式一：构建模式（自然语言 → 正则）用户用自然语言描述需求，生成对应的正则表达式。 **执行流程：** 1. **理解需求**：确认要匹配的目标（什么内容、什么格式、哪些边界） 2. **确认语言**：询问目标语言（JS/Python/Go/Java），不同语言语法有差异 3. **生成正则**：输出正则表达式 + 逐段注释 4. **提供测试用例**：给出应匹配和不应匹配的样例 5. **生成代码片段**：直接可用的代码 **输出格式：** ``` ## 正则表达式 // ## 逐段解释 - `` — 说明作用 - `` — 说明作用 ... ## 测试用例 ✅ 应匹配： - `example1` → 匹配结果 - `example2` → 匹配结果 ❌ 不应匹配： - `counter-example1` - `counter-example2` ## 代码片段（根据目标语言生成） ``` ### 模式二：解释模式（给正则 → 逐段解释）用户给出一个正则表达式，逐字符/分组拆解含义。 **执行流程：** 1. **接收正则**：用户粘贴正则表达式 2. **拆解结构**：按字符、分组、量词、锚点逐段拆解 3. **整体总结**：用一句自然语言概括这个正则的作用 4. **指出潜在问题**：贪婪/非贪婪、回溯风险、性能陷阱 5. **提供改进建议**：如有更优写法则建议 **输出格式：** ``` ## 整体含义一句话概括这个正则的作用。 ## 逐段拆解 | 片段 | 含义 | 类型 | |------|------|------| | `^` | 字符串开头 | 锚点 | | `[a-z]` | 小写字母 | 字符类 | | `+` | 一个或多个 | 量词 | | ... | ... | ... | ## 分组结构 - 捕获组 1: `(...)` — 说明 - 非捕获组: `(?:...)` — 说明 - 命名组: `(?...)` — 说明 ## 潜在问题 - ⚠️ 问题描述及建议 ``` ### 模式三：测试模式（正则 + 文本 → 匹配结果）用户给出正则和测试文本，展示匹配结果。 **执行流程：** 1. **接收输入**：正则 + 测试文本 2. **执行匹配**：展示每个匹配项及其位置 - 位置展示格式：`[起始索引:匹配长度]`，例如 `[3:5]` 表示从索引 3 开始、匹配 5 个字符 3. **展示捕获组**：列出各捕获组的值 4. **边界测试**：自动补充边界情况测试 - 自动生成以下边界输入进行测试： - 空字符串 `""` - 超长字符串（重复匹配模式至 10,000+ 字符） - 特殊字符输入（换行符 `\n`、制表符 `\t`、Unicode 字符、零宽字符等） **输出格式：** ``` ## 匹配结果输入文本：`example test string 2024-01-15 and 2023-12-31` 正则：`/\d{4}-\d{2}-\d{2}/g` | # | 匹配内容 | 起始索引 | 匹配长度 | |---|----------|---------|---------| | 1 | `2024-01-15` | 20 | 10 | | 2 | `2023-12-31` | 35 | 10 | ## 捕获组（如有捕获组，逐组列出值） ## 边界测试 | 测试输入 | 预期 | 结果 | |---------|------|------| | `""` (空字符串) | 不匹配 | ✅ 不匹配 | | `"aaaa...(x10000)"` (超长) | 正常匹配/不匹配 | ✅ 无超时 | | `"\n\t\0"` (特殊字符) | 不匹配 | ✅ 不匹配 | ``` --- ## 常见正则模式速查表 ### 邮箱 ``` /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/ ``` - ✅ `user@example.com`, `first.last+tag@sub.domain.org` - ❌ `@example.com`, `user@`, `user@.com` ### URL ``` /^https?:\/\/(www\.)?[-a-zA-Z0-9@:%._+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_+.~#?&/=]*)$/ ``` - ✅ `https://example.com`, `http://sub.example.com/path?q=1` - ❌ `ftp://example.com`, `example`, `://missing.com` > **注意**：此版本不支持 IPv6 地址、端口号、用户名密码等完整 URL 格式。 > 如需完整验证，建议使用语言内置的 URL 解析器（如 `new URL()`）。 ### 中国大陆手机号 ``` /^1[3-9]\d{9}$/ ``` - ✅ `13812345678`, `19900001111` - ❌ `12345678901`, `1381234567`, `038123456789` ### IPv4 地址 ``` /^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$/ ``` - ✅ `192.168.1.1`, `0.0.0.0`, `255.255.255.255` - ❌ `256.1.1.1`, `1.2.3`, `1.2.3.4.5` ### 日期（YYYY-MM-DD） ``` /^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$/ ``` - ✅ `2024-01-15`, `2023-12-31` - ❌ `2024-13-01`, `2024-00-15`, `24-01-15` ### 中文字符 ``` /[\u4e00-\u9fff]/ ``` - ✅ `你好`, `中文测试` - ❌ `hello`, `12345` > **注意**：`\u4e00-\u9fff` 仅覆盖 **CJK 统一汉字基本区**（共 20,992 字），不包含扩展区字符。 > 扩展区 A（`\u3400-\u4DBF`）、扩展区 B（`\u{20000}-\u{2A6DF}`）等包含大量生僻字和古汉字。 > 若需匹配更完整的中文（含扩展区及兼容字符），建议使用 Unicode 属性：JS `/\p{Script=Han}/u`、Python `regex` 库的 `\p{Han}`、Go/Java `\p{Han}`。 ### 强密码（8+ 位，含大小写字母、数字、特殊字符） ``` /^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$/ ``` - ✅ `Passw0rd!`, `MyP@ss1234` - ❌ `password`, `12345678`, `PASSWORD1!` > `[@$!%*?&]` 是示例集合，实际应按业务需求调整。 > 常用扩展集合：`` !@#$%^&*()_+\-=\[\]{}|;:'",.<>?/~` `` ### 十六进制颜色 ``` /^#([0-9a-fA-F]{3}|[0-9a-fA-F]{6})$/ ``` - ✅ `#fff`, `#a1B2c3` - ❌ `#gg0000`, `fff`, `#12345` --- ## 语言语法差异对照表 | 特性 | JavaScript | Python | Go | Java | |------|-----------|--------|-----|------| | 正则字面量 | `/pattern/flags` | `r"pattern"` | `` `pattern` `` | `"pattern"` (需转义) | | 命名捕获组 | `(?...)` | `(?P...)` | `(?P...)` | `(?...)` | | 非贪婪量词 | `*?`, `+?`, `??` | `*?`, `+?`, `??` | `*?`, `+?`, `??` | `*?`, `+?`, `??` | | 前瞻断言 | `(?=...)`, `(?!...)` | `(?=...)`, `(?!...)` | 不支持 | `(?=...)`, `(?!...)` | | 后顾断言 | `(?<=...)`, `(?` | `\1` 或 `(?P=name)` | 不支持 | `\1` 或 `\k` | | 多行模式标志 | `/m` | `re.MULTILINE` | `(?m)` 内联标志 | `Pattern.MULTILINE` | | 忽略大小写 | `/i` | `re.IGNORECASE` | `(?i)` 内联标志 | `Pattern.CASE_INSENSITIVE` | | 全局匹配 | `/g` | `re.findall()` | `FindAllString()` | `matcher.find()` 循环 | | 原始字符串 | 无（手动转义） | `r"..."` | `` `...` ``（天然原始） | 无（双重转义 `\\d`） | --- ## 目标语言选择 - 默认语言：JavaScript/TypeScript - 如果用户未指定语言，根据当前项目上下文自动推断 - 如无法推断，生成 JavaScript 版本并询问是否需要其他语言 - 支持同时输出多语言版本（用户明确要求时） --- ## 代码生成模板 ### JavaScript ```javascript // 1. Compile pattern (literal syntax: /pattern/flags) const regex = /your-pattern-here/i // 2. Match test (use a separate regex or reset lastIndex to avoid state issues) const testRegex = /your-pattern-here/i const isMatch = testRegex.test(input) // 3. Extract first match + capture groups (no g flag) const match = input.match(/your-pattern-here/i) if (match) { const fullMatch = match[0] // full match const group1 = match[1] // first capture group } // 4. Extract all matches with capture groups (g flag + matchAll) const allMatches = [...input.matchAll(/your-pattern-here/gi)] for (const m of allMatches) { // m[0]: full match, m[1]: first capture group, m.index: start position } // 5. Replace const result = input.replace(/your-pattern-here/gi, '') // 6. Named groups const namedMatch = input.match(/(?\d{4})-(?\d{2})-(?\d{2})/) if (namedMatch?.groups) { const { year, month, day } = namedMatch.groups } // 7. Dynamic pattern via RegExp constructor (note: double escape \\d not \d) const dynamic = new RegExp('\\d{4}-\\d{2}-\\d{2}', 'gi') ``` ### Python ```python import re # 1. Compile pattern (recommended for repeated use) pattern = re.compile(r"", re.IGNORECASE) # 2. Match test if pattern.search(text): print("matched") # 3. Extract first match match = pattern.search(text) if match: full = match.group(0) # full match group1 = match.group(1) # first capture group # 4. Extract all matches all_matches = pattern.findall(text) # 5. Replace result = pattern.sub("", text) # 6. Named groups match = re.search(r"(?P\d{4})-(?P\d{2})-(?P\d{2})", text) if match: year = match.group("year") ``` ### Go ```go import "regexp" // 1. Compile pattern (panics on invalid pattern) re := regexp.MustCompile(``) // 2. Match test isMatch := re.MatchString(input) // 3. Extract first match match := re.FindString(input) // 4. Extract first match with capture groups submatch := re.FindStringSubmatch(input) if len(submatch) > 1 { group1 := submatch[1] // first capture group } // 5. Extract all matches allMatches := re.FindAllString(input, -1) // 6. Replace result := re.ReplaceAllString(input, "") // 7. Named groups re = regexp.MustCompile(`(?P\d{4})-(?P\d{2})-(?P\d{2})`) match2 := re.FindStringSubmatch(input) if match2 != nil { yearIdx := re.SubexpIndex("year") year := match2[yearIdx] } ``` ### Java ```java import java.util.regex.*; // 1. Compile pattern (note: double escape \\d not \d in Java strings) Pattern pattern = Pattern.compile("", Pattern.CASE_INSENSITIVE); // 2. Match test Matcher matcher = pattern.matcher(input); boolean isMatch = matcher.find(); // 3. Extract first match matcher = pattern.matcher(input); if (matcher.find()) { String fullMatch = matcher.group(0); // full match String group1 = matcher.group(1); // first capture group } // 4. Extract all matches matcher = pattern.matcher(input); while (matcher.find()) { System.out.println(matcher.group()); } // 5. Replace String result = pattern.matcher(input).replaceAll(""); // 6. Named groups Pattern datePat = Pattern.compile("(?\\d{4})-(?\\d{2})-(?\\d{2})"); Matcher dateMatcher = datePat.matcher(input); if (dateMatcher.find()) { String year = dateMatcher.group("year"); } // 7. Full match validation (matches() requires entire string to match) boolean fullMatch = Pattern.matches("^\\d{4}-\\d{2}-\\d{2}$", input); ``` --- ## 边界情况与性能提醒 ### 贪婪 vs 非贪婪 ``` # 贪婪（默认）：尽可能多匹配 /<.*>/ 对 "text" 匹配 "text" （整个字符串） # 非贪婪：尽可能少匹配 /<.*?>/ 对 "text" 匹配 "" 和 "" （分别匹配） ``` **规则**：当需要匹配最短内容时，始终使用非贪婪量词 `*?`, `+?`, `??`。 ### 灾难性回溯（Catastrophic Backtracking）以下模式可能导致指数级时间复杂度： ``` # 危险模式 — 嵌套量词 /(a+)+$/ 对 "aaaaaaaaaaaaaaaaab" 极慢 /(a|a)+$/ 同上 /(\d+)+$/ 同上 # 安全替代 /a+$/ 去掉嵌套量词 ``` **规则**： - 避免嵌套量词 `(x+)+`, `(x*)*`, `(x+)*` - 避免交替中有重叠的模式 `(a|ab)+` - 对用户输入的正则使用超时机制 ### 锚点的重要性 ``` # 无锚点 — 部分匹配 /\d{3}/ 对 "abc123def" 匹配 "123"（可能非预期） # 有锚点 — 完整匹配 /^\d{3}$/ 对 "abc123def" 不匹配（预期行为） ``` **规则**：验证场景务必加 `^...$` 锚点。 ### 字符类中的特殊字符 ``` # 连字符在字符类中的位置 [a-z] a 到 z 的范围 [a\-z] a、- 或 z（转义连字符） [-az] -、a 或 z（放在开头） [az-] a、z 或 -（放在末尾） # 方括号中不需要转义的字符 [.] 匹配字面量点号（不是任意字符） [*+?] 匹配字面量 *、+ 或 ? ``` ### 多行模式陷阱 ``` # 默认模式 /^abc$/ 只匹配整个字符串为 "abc" # 多行模式 /^abc$/m 匹配任意一行为 "abc"（JS 的 m 标志） # 注意：. 默认不匹配换行符 /.+/ 对 "line1\nline2" 只匹配 "line1" /.+/s 对 "line1\nline2" 匹配 "line1\nline2"（JS 的 s 标志 / Python 的 re.DOTALL） ``` --- ## 质量检查清单 ### 必须检查（生成后立即验证）： - [ ] 正确匹配所有正面样例 - [ ] 正确排除所有反面样例 - [ ] 无灾难性回溯风险（嵌套量词检测） - [ ] 锚点使用正确（`^`/`$` 或 `\b`） ### 强烈建议检查： - [ ] 贪婪/非贪婪量词选择合理 - [ ] 目标语言兼容性确认 - [ ] 性能可接受（无过度回溯） ### 可选检查： - [ ] 边界情况覆盖（空字符串、超长字符串、特殊字符） - [ ] 正则可读性（复杂正则添加注释或使用 verbose 模式） - [ ] 转义正确性（特殊字符转义、字符串中反斜杠双重转义） --- ## 错误处理当遇到以下情况时： 1. **正则语法错误** → 指出具体位置，给出修复建议和正确示例 2. **灾难性回溯风险** → 标记 ⚠️ 警告，提供无回溯的替代方案 - 示例：`(a+)+$` → 改为 `a+$`，或使用原子组 `(?>a+)$`（仅 Java/PCRE/.NET 支持）/ possessive quantifier `a++` - JavaScript/Python/Go 不支持原子组，应通过简化正则本身来避免 ReDoS 3. **语言不支持的特性** → 明确告知限制并提供该语言的替代方案 - 示例：Go 不支持前瞻断言 → 建议用代码逻辑替代 4. **需求模糊** → 主动询问用户提供更多正面/反面样例 --- ## ⚠️ 安全考虑：ReDoS 防护 **正则表达式拒绝服务（ReDoS）** 是一种利用恶意输入使正则引擎陷入指数级回溯的攻击。 ### 危险模式识别以下模式存在 ReDoS 风险： - 嵌套量词：`(a+)+`、`(a*)*`、`(a+)*` - 重叠交替：`(a|a)+`、`(.*a){n}` - 回溯陷阱：`^(a+)+$` 对不匹配的长字符串可达 O(2^n) 复杂度 ### 防护建议 1. **避免嵌套量词** — 将 `(a+)+` 简化为 `a+` 2. **使用原子组/possessive quantifier** — 如 `(?>a+)` 或 `a++`（部分引擎支持） 3. **设置执行超时** — 对用户提供的正则限制执行时间（如 5 秒） 4. **限制输入长度** — 在应用正则前验证输入长度上限 5. **使用 RE2 等无回溯引擎** — Go 的 regexp 包天然免疫 ReDoS > 对于处理不受信任输入的正则，**必须**检测上述危险模式。 --- ## 复杂正则的可读性增强 ### Python verbose 模式 ```python pattern = re.compile(r""" ^ # start of string (?P\d{4}) # 4-digit year - # separator (?P0[1-9]|1[0-2]) # month 01-12 - # separator (?P0[1-9]|[12]\d|3[01]) # day 01-31 $ # end of string """, re.VERBOSE) ``` ### JavaScript 注释方式（拆分 + 拼接） ```javascript const parts = [ '(?\\d{4})', // 4-digit year '-', // separator '(?0[1-9]|1[0-2])', // month 01-12 '-', // separator '(?0[1-9]|[12]\\d|3[01])', // day 01-31 ] const regex = new RegExp('^' + parts.join('') + '$') ```