DeepSeek для регулярных выражений: шаблоны, тесты и ошибки

DeepSeek для регулярных выражений: шаблоны и тесты

DeepSeek для регулярных выражений пишет шаблоны, объясняет чужие и подбирает тесты — то, на что обычно уходит полдня. Главная ловушка: сгенерированный шаблон может «съесть» лишнее или зависнуть на длинной строке. Ниже — как просить, чем проверять и где модель регулярно ошибается.

Как формулировать запрос

Работает связка «что ищем + примеры + что не должно совпадать». Без отрицательных примеров модель почти всегда делает слишком широкий шаблон.

Нужен regex для Python (модуль re) на российский номер телефона.
Должно совпадать: +7 999 123-45-67, 8(999)1234567, 9991234567.
Не должно: 79991234567-abc, 12345.
Дай шаблон, объяснение каждой части и 5 тестов.

Что проверять в ответе

Проверка Почему важна
Жадность .* съест больше, чем нужно — нужен .*? или класс символов
Якоря Без ^...$ шаблон найдёт подстроку внутри мусора
Экранирование Точки, скобки и слэши требуют \, иначе смысл меняется
Юникод \w в Python ловит кириллицу, в JS — нет
Производительность Вложенные квантификаторы дают катастрофический бэктрекинг

Катастрофический бэктрекинг

Шаблон вида (a+)+b на длинной строке без «b» может выполняться минутами и подвесить сервис. Модель такие конструкции предлагает регулярно, если не предупредить. Практика: тестировать на строке 10 000 символов и смотреть время, а в продакшене ограничивать длину входа.

Объяснение чужих шаблонов

Сильная сторона: попросить разобрать регулярку по частям и сказать, что она на самом деле ловит. Часто выясняется, что «рабочий» шаблон из проекта совпадает с пустой строкой или не учитывает перевод строки. Формулировка: «объясни по частям и покажи три строки, где он ошибается».

Генерация тестов

Просите не «проверь», а «составь таблицу: строка — ожидаемый результат — почему». Модель охотно добавляет пограничные случаи: пустая строка, пробелы, юникод, очень длинный ввод. Это самый полезный режим: тесты остаются в репозитории и защищают от регрессий.

Где лучше не использовать модель

  • Разбор HTML и XML — есть парсеры, регулярки там ломаются на вложенности.
  • Валидация email по «полному» RFC — шаблон получается нечитаемым, проще проверка на стороне сервиса.
  • Критичные фильтры безопасности — только ревью человеком и тесты.

Порядок работы над шаблоном

  1. Опишите словами, что нужно найти, и дайте 5–7 реальных примеров.
  2. Попросите шаблон с пояснением каждой части.
  3. Прогоните на примерах и на «мусоре», который совпадать не должен.
  4. Добавьте якоря и ограничения длины.
  5. Сохраните тесты в репозиторий.

Проверка на реальных данных

Соберите файл из 100 строк: половина должна совпадать, половина — нет. Прогоните шаблон и посчитайте ложные срабатывания. Модель почти всегда делает шаблон чуть шире нужного, и именно этот тест показывает, где граница размылась.

Перенос в код

Сырые строки с обратными слэшами ломаются при копировании: в Python нужен префикс r, в JavaScript — двойное экранирование в строковом литерале. Просите модель сразу выдавать готовую строку для вашего языка, а не «человеческий» шаблон.

Именованные группы

Для разбора данных удобнее именованные группы: результат превращается в словарь, а не в позиционный список. Попросите переписать шаблон с именованными группами и проверить, что имена совпадают с полями вашей модели данных.

Пять шаблонов, которые пригодятся

  • Дата в формате ДД.ММ.ГГГГ с проверкой диапазона.
  • ИНН из 10 или 12 цифр.
  • Артикул: буквы, цифры и дефис фиксированной длины.
  • Цена с пробелами и знаком рубля.
  • ФИО из двух-трёх слов с заглавной буквы.

Каждый из них просите с тестами: пять строк, которые должны совпадать, и пять, которые не должны.

Можно ли доверять шаблону без проверки?

Нет. Модель часто ошибается в экранировании и жадности. Прогоняйте шаблон на реальных данных и добавляйте тесты в репозиторий.

Почему шаблон работает в Python, но не в JavaScript?

Разные движки: классы символов, флаги и поведение \w отличаются. Всегда указывайте язык и версию движка в запросе.

Как поймать зависание на длинной строке?

Протестируйте на строке 10 000 символов и замерьте время. Вложенные квантификаторы и альтернативы внутри повторов — первый признак риска.

Может ли модель перевести regex на другой язык?

Да, но проверяйте вручную: именованные группы и lookbehind поддерживаются по-разному. После перевода обязательны тесты на обоих движках.

Смотрите также