正则表达式（简称：正则）做语义解析是一种方法经典的方法。在上世纪60年代，大量的对话系统、专家系统都是用模式匹配来做，其中正则就是一个非常实用且易学的工具。具有代表性的Eliza，在当时让大家都以为这个机器能理解自然语言，即使说明了其中的原理，也有不少人认同它的智能。这套方式一直被延续至今，基本在市面上能看到的chatbots，都或多或少的保留了正则的部分。也许说到这里，有人认为马上要介绍正则如何做对话了，这篇记录只是记录一下在工作中，正则的优势和劣势。另外基于统计的方法，这里不做说明。
正则普及性高，作为一个文本检索工具，在所有的编程语言、文本工具（包括Word）都集成了。
正则易学，“我喜欢吃(\w+)”就可以作为一个匹配模式，括号里面的文字是一个符号，用来匹配其他文字，这里可能出现的如“我喜欢吃西瓜”，“我喜欢吃蛋糕”等等，这个模式就匹配这样的文本，再把其中的西瓜，蛋糕提取出来。
正则可控性强，由于每个模式都是按照上面的方式写出来的，那么在应用的时候，就是数个模式按照一定的规则去逐个匹配，如果有错误，就遵循设定去Debug。这个也是工业界比较青睐这个方法的主要原因。
正则冷启动比较容易，在项目中，一般没有语料数据的时候，统计是无法实现的，这时候两个选项，要么人工生成语料，要么制作正则模式，如果考虑的够周密，正则的对话系统可以马上上线。
然而，正则还存在问题：
正则的逻辑比较难，虽然易学，但是要处理自然语言中复杂的文字逻辑，对设计者的逻辑要求非常高。特别是在数以千计的模式下，若是有逻辑错误，调整起来非常消耗资源。这个就是正则的主要问题，也是当时对话系统没有继续发展的主要问题。
正则并非真正理解句子，上面的例子“我喜欢吃(\w+)”也会匹配到“我喜欢吃货”。
错误的例子：
模式缺少问题
