使用文件 / 輸出與詞彙

Regex 規則

用正規表達式處理固定格式的改寫,包含語法限制、可用的替換樣板、常見範例與誤傷正常文字的風險。

最後更新

什麼時候該用

詞彙替換只能處理「這個詞換成那個詞」。遇到格式就無能為力:

  • 版本號位數不固定:版本 3、版本12、版本 107。
  • 日期寫法不一致:2026年11月16日 要變成 2026/11/16。
  • 講話時夾雜的口頭禪要整段清掉。

這些需要比對「形狀」而不是「字串」,就是用 Regex 的時候。

規則寫在哪裡

Regex 跟詞彙替換放在同一個規則檔的同一個階段裡,是有順序的陣列:

{
  "FinalOutput": {
    "Literals": {},
    "Regex": [
      {
        "Pattern": "[ \\t]+",
        "Replacement": " "
      }
    ]
  }
}

Pattern 是比對模式,Replacement 是替換內容。JSON 字串裡的反斜線要跳脫,所以 \t 在檔案中會寫成 \\t。Transcription 與 FinalOutput 兩個階段都能寫 Regex,選哪個階段判斷原則和詞彙替換一樣,見輸出轉換流程。

替換樣板語法

寫法 意思
$0 整段比對到的內容
$1 到 $99 第 n 個括號群組
$$ 字面的錢字號 $
空字串 刪除比對到的內容

沒有參與比對的選用群組會展開成空字串。參照了不存在的群組編號,整份規則檔會被拒絕。

支援與不支援

規則要能在 Windows 與 macOS 上跑出一樣的結果,所以只支援兩邊都認得的語法。

支援:字元類別、量詞、群組、交替、錨點、\d 這類常用簡寫。

不支援:

  • look-around((?=...)、(?<=...))
  • pattern 反向參照(\1)
  • 命名擷取群組((?<name>...))

這也是為什麼有些直覺的規則做不到。例如「只在中文和英文字相鄰時插入空白」,需要看前後文,用這裡的語法子集寫不出來,交給 AI 校正處理比較實際。

常見範例

收掉多餘空白

Pattern Replacement 效果
[ \t]+ (一個半形空白) 連續空白與 tab 收成一個

統一版本號

Pattern Replacement 效果
版本[ ]*([0-9]+) 版本 $1 版本12 → 版本 12
第[ ]*([0-9]+)[ ]*版 v$1 第 3 版 → v3

日期格式

Pattern Replacement 效果
([0-9]{4})年([0-9]{1,2})月([0-9]{1,2})日 $1/$2/$3 2026年11月16日 → 2026/11/16

移除口頭禪

{
  "Pattern": "(嗯|呃|那個|就是說)[,,]?",
  "Replacement": ""
}

這條要小心用。「那個」有時候是真的在指某個東西,刪掉會讓句子說不通。建議先放在 Transcription 階段試,觀察幾次輸出再決定。

順序很重要

Regex 會依陣列順序逐條全域執行,後面的規則可以處理前面的結果。

所以順序要這樣想:

  1. 先做「抓取與重排」的規則,例如從日期抓出年月日。
  2. 再做「收尾」的規則,例如把多餘空白收乾淨。

順序顛倒就會出現「收完空白又被後面的規則產生新空白」的情況。

測試與除錯

在偏好設定的「自訂詞彙」頁籤裡有規則測試區,可以用目前草稿試轉一段文字:

  • 測試只讀記憶體草稿,不會寫入規則檔。
  • Windows 要按「預覽」才會重算,macOS 是隨輸入即時更新。
  • 有語法錯誤時,錯誤會直接顯示在該區,且不會儲存。

建議的流程是:先在測試區確認轉換結果,再按「套用」或「儲存」。不要一邊錄音一邊改,因為規則在錄音開始時就固定了,改了也不會影響正在進行的那一次。

風險提醒

貪婪比對會吃掉正常文字。 .*、[^。]* 這類寫法很容易跨句比對,把整段話吞掉。能用明確字元類別就不要用 .*。

規則會動到工具參數。 FinalOutput 的規則也會套用在工具的字串參數上,包括 URL、檔案路徑與 App 名稱。一條看起來無害的標點規則,可能讓查詢字串或路徑失效。需要工具時請格外保守,見工具安全性。

改壞了不好查。 出問題時,比對 transcription_text.txt(原始轉錄)與 output_text.txt(最終輸出),就能判斷是哪一階段造成的。

先備份再動手。 規則檔是純文字,複製一份就好。要重來就把備份覆蓋回去。

下一步

這一頁有錯、或有沒寫到的地方?寫信到 training [at] miniasp.com,我們會依實際行為更新文件。