规则解析与模型抽取怎么选：格式稳定和语义变化分开
比较正则或字段规则与语言模型抽取，说明格式变化、未知值和来源位置怎样影响结构化资料处理。
先说结论
怎样选择更合适
输入格式固定且字段边界明确时，可以先用规则解析；表达变化大、需要理解含义时，可以评估模型抽取。两者可以配合，规则处理确定部分，模型处理难例。模型输出符合结构不代表内容正确，规则匹配成功也不证明找到了目标字段，必须保留原文位置并核对业务含义，避免只以程序不报错验收。
01
模式匹配与语义判断依赖不同条件
Python 的正则表达式按模式查找文本，结构化模型输出则约束返回字段与类型。一个编号模式可能匹配正文里的示例编号，模型也可能把被否定的日期当作实际日期。规则易于解释具体匹配过程，却需要跟进格式变化；模型能够处理不同措辞，也可能在资料缺失时猜值。先定义字段含义与允许缺失的状态，再选择方法。对于表格和文档，还要确认文字提取顺序正确，不能让上游解析错误被误算为抽取策略差异。
02
同一资料加入格式变化和否定条件
准备相同字段的多种写法，保留人工确认答案，再加入无字段与明确否定的输入。两种方案保存匹配位置或支持原句，逐条检查结果而非只比较非空数量。规则未匹配时允许转入待查，模型不确定时允许未知，不要强迫所有记录成功填满。结构解析通过后仍要核对数字和对象关系。本文没有运行模型或处理实际资料，示例用于检查方法边界，不宣称规则或模型在所有文档上更准确。
03
维护时按真实失败增加规则或样本
规则变更后重跑旧格式，模型提示或版本变化后重跑既有难例，并保留稳定评测集。不要为某次错误不断堆例外却忘记原有任务，也不要把每条简单输入都交给昂贵流程。成本包括人工复核和修复误抽取，解析速度快不代表最终工作更少。可以先用明确规则，再对无法判断的记录增加模型辅助，最后统一按原文验收。保存资料版本与处理方式，便于撤回错误结果并解释历史记录。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。