當前大家最為熟知的大型語言模型（Large Language Model，簡稱LLM）包括ChatGPT、Gemini、DeepSeek等，他們具有非常強大的運算、語言表現能力，在這些能力背後，其實是靠很多基礎自然語言處理技術（NLP）的支撐。

程式如何去理解並處理人類的語言，又是怎麼去組織語言回覆使用者的需求和問題，都是當今大家非常好奇，且持續學習、追蹤的議題。

在這30天內，我將會去探索AI、機器學習、深度學習跟語言學之間的連結與應用，動機是出自於本身為學習語言學的背景，因此我想要摸索如何透過語言學這門學問，讓我們能用程式語言更好地去處理人類的語言，也就是讓機器更能夠去抓出人類語言細膩之處，進而有更好的表現。

第一天會想要從Regular Expression開始介紹，其實是因為這個東西算是我在踏入自然語言處理（NLP）這個學門的第一印象（最初記憶...?）。由此可知，Regular Expression是NLP當中，基本中的基本，以下就來帶大家認識Regular Expression～～(我也順便複習一下😁)

Regular Expression是什麼？

Regular Expression，中文稱作正規表達式，或是正規表示式，是一種有規則地利用代數符號，來表示、代表字串（string）的方式。簡單來說，我們可以利用Regular Expression，在茫茫文海當中找出我們想要看的字詞。
舉個例子，假設今天你要比較不同劇本（如下面的對話）當中，角色對話所佔的比例，你就可以用Regular Expression寫出你要找出的字串模式（pattern）。

今天是一個晴朗的日子，
小明放學後回到家後先跟阿公打了招呼：「阿公，我回來了」。
「你回來了啊」，小明阿公聽到後回覆。
小明聞到廚房飄來的香氣，肚子咕嚕咕嚕地叫了起來。

以這個例子而言，想要找出的對話字串模式，可能會是劇本當中上下引號中間包含文字（「...」）這種組合。透過Regular Expression，我們就可以看劇本當中這種組合出現的次數，並去做進一步的比較。

使用Regular Expression

在實際使用Regular Expression之前，必須先稍微熟悉一下他的基本符號，因爲這些符號是構成搜尋模式的基礎。以下為一些基本的符號：

• . : 指任意符號字元（除了換行符號）
• *: 指前一個字元符號有零或以上的次數
• + : 指前一個字元符號有一或以上的次數
• ? : 指前一個字元符號有零或一的次數
• [] : 匹配中括號中任一字元
• | : 代表「或」，例如：(A|B)
• () : 通常用括號表示特定分組模式
• - : 匹配中範圍內任一字元
• ^:
  1.若放在中括號內開頭[^]，代表不包含後面的字元
  2.標示句子的開頭
• $ : 標示句子的結尾
• \w : 任何字元或數字
• \W : 任何非字元或數字
• \d : 任何數字
• \D : 任何非數字
• \b : 標示字的邊界
• \B : 標示非字的邊界
• \s : 空白
• \S : 非空白
• {n} : 指前一字元符號出現的次數
• \ : 有些符號，像是.，在Regular Expression中有特殊用途，如果我們想要用它最單純的本身，就要加上\
• \n : 換行

這些只是一些基本的符號規則，還有其他符號，這邊就不一一贅述，歡迎各位多多探索，網路上有提供很多Cheat Sheet可以讓我們參考！

若要練習使用Regular Expression，可參考regex101這個網站（點我進入）。
我們可以在裡面放入想要探索的文本，並嘗試用不同符號來抓取出我們想要的字串。若是忘記一些符號的規則，網站右下角也有提供Quick Reference供我們參考。

現在就來試試吧～～

這邊回到上面我舉的例子，當我們要在這個劇本當中找出角色的對話，首先先把這小段劇本貼入TEST STRING的欄位，接著就可以在上方欄位下這個指令：

「.+」

首先最基本的就是上下引號，接著是上下引號內要放入的符號，因為引號內會是角色說的話，所以可以運用.這個代表任意字元，再加上+加號，代表任意字元出現一次或以上，也就是一段話。

這只是一個簡單的例子，大家可以嘗試看看用更複雜的文本，尋找更精細的pattern！！