正则表达式生成器（regex-nl2regex）

把「自然语言描述」转成「可直接使用的正则表达式」，纯本地离线运行，零联网。

核心差异化（对标头部「regex 生成」工具）

• 竞品弱点：多数 regex 工具靠 LLM 提示词，输出不可校验——你不知道它给的表达式对不对、在什么输入下会崩、会不会有性能陷阱；换一个说法就要重问一次。
• 我们：确定性规则引擎 + 四重校验：
  1. 自动字段解释——生成的每个片段都说明含义（手机号=1开头/11位…）。
  2. 危险回溯预警——扫描 (.*){}、(a+)+ 等可致灾难性回溯（ReDoS）的模式。
  3. 自动边界测试——对每个特征生成正反例并逐一跑通，输出 PASS/FAIL 汇总（有据可查）。
  4. 命名捕获建议——自动为可提取字段生成命名分组写法（group('phone')），方便直接提取。
• 本地安全：不把文本上传云端，适合处理含敏感信息（手机号/身份证/邮箱）的日志与文档。

快速开始

# 生成一个正则（终端友好输出）
python3 scripts/regex_generator.py --desc "匹配手机号"

# JSON 机器可读输出（供 Agent 或工具调用）
python3 scripts/regex_generator.py --desc "验证邮箱" --json

# 离线演示（内置 5 类示例，不联网）
python3 scripts/regex_generator.py --demo

命令示例

# 特征词识别：手机号 / 邮箱 / 身份证 / IP地址 / 日期 / 时间 / 邮政编码 / 银行卡号 / URL 等
python3 scripts/regex_generator.py --desc "匹配 IP 地址"

# 锚定开头/结尾：描述里含 "开头" / "结尾" 会自动加 ^ / $
python3 scripts/regex_generator.py --desc "匹配开头是邮编号码"

何时使用本技能

用户说以下任一即触发：
- 「生成正则 / 帮我写个正则 / regex 怎么写 / 匹配规则」
- 「匹配手机号 / 邮箱 / 身份证 / IP / 日期 / 时间 / URL」
- 「自然语言转正则 / 正则表达式生成」
- 「我要从文本里提取 xx，用正则怎么写」

工作流（Agent 使用建议）

1. 识别需求：从用户描述中提取要匹配的「特征」+「是否锚定开头/结尾」。
2. 调用脚本：regex_generator.py --desc "<特征描述>"，拿到逻辑表达式 + 解释 + 测试结果。
3. 危险校验：若返回 dangers 非空，向用户说明风险并给出更安全的替代写法。
4. 交付：把「正则 + 解释 + 测试通过率」一并给用户，标注边界（如仅匹配/需整串校验时用 ^...$ 或 fullmatch）。

已知边界

• 特征库当前覆盖：手机号、座机、邮箱、身份证(18位)、IPv4、URL、日期、时间、邮编、银行卡号、小写字母、.com 域名。
• 超出特征库的描述会返回「未能识别特征词」并给出提示，不会硬造一个不可校验的正则。
• 测试基于 search（查找模式）；若需整串严格校验，请在描述里加「开头/结尾」或自行使用 re.fullmatch。