2.3 词法分析の正则表达式

引：
算数表达式 1，2，3
算符 + - * /
由这些来构造更复杂的表达式 1+2+3 …

正则表达式：

对给定字符集 ∑ = { c1,c2,…,cn};
∑ 由要编译的语言决定，如果在编译的语言是C语言，那么∑ 是ASCII 如果要编译的语言是Java 那么∑ 是Unicode …
但作为数学语言的抽象性，我们就把 ∑ 给抽象作为公共的字符集定义。
归纳定义(1，2 可以看作一个基本情况，剩下是归纳情况)：

• 空串 ε 是正则表达式
• 对于 C ∑ ,c 是正则表达式
  3.如果M和N 是正则表达式，则以下也是正则表达式
• 选择 M | N = { M,N }
• 链接 MN = {mn | m M, n m} //m 取自 M 集合
• 闭包 M* = { ε ,M,MM,MMM,…} //M* 是一元算族，他生成的元素是{空串，M(M所生成所有的串),MM(先从M中找一个元素，再从M中找一个函数做并运算),MMM,…}

NODE：在文献中闭包非常有名 被叫做Kleene闭包

正则表达式的形式表示(构造)：

e --->  ε 
   |    c
   |    e | e
   |    e e 
   |    e*

问题：对给定的字符集 ∑ = {a,b} ，可以写出那些正则表达式

1.  ε
2.  对于单独的任意字符都属于 ε : a,b
3.  如果左边的 e 和右边的 e 分别都是正则表达式，那么用一个选择算符 | 把二者连接起来，他的整体也是正则表达式
3.  "ε | ε","ε|a" ...
4.  如果两个正则表达式都存在，那么把他们都链接在一块任然是正则表达式
4.  "εa","εb","ab"."εε",... 和第三个公式结合起来可以构造成一个更复杂的正则表达式 "ε(ε|a)" 
5.  "ε*","(a(ε|a))*" 

引入正则表达式是为了表达程序语言中词法的规则，从而有自动工具来生成词法分析，下面示例是如何用正则表达式来表达程序设计语言中我们所涉及到的词法规则。
例子：关键字
C 语言中的关键字，例如if，while 等，如何用 正则表达式 表示
汉字 属于代替符号 因为下面代码插入打不出这个符号

∑ = ASCII 
if 中间是链接符链接起来，它只需要前面的 i 和 f 分别是正则表达式，前面的 i 属于 ∑ ，f 属于 ∑  
do  中 d 属于 ∑ , o 属于 ∑  这两个字符都属于 ∑  后，我们对他使用链接符链接起来，构成 do  它还是属于正则表达式 

例子：标识符
C语言中的标识符：以字母或下划线开头，后跟零个或多个字母，数组或下划线。如何使用正则表达式表示？

1.理解：  标识符由两部分拼接而成，
1.1 第一部分是 字母或下划线开头 =  26小写字母 + 26大写字母 + 1下划线 = 53 种情况  -> (a|b|c|...|z|A|B|C|...|Z|_) 只选择其中一个
1.2 第二部分是 零个或多个字母   =  26小写字母 + 26大写字母 + 1下划线 + 10个数字 = 63 种情况 (a|b|c|...|z|A|B|C|...|Z|_|0|...|9)

例子：C语言中的无符号整数
(十进制整数型)规则： 或者是0; 或者是是以1到9开头，后跟0个或多个0到9如何用正则表达式表示？

理解： 或者是 0 或者是1-9 说明 是0的情况不同于是1-9的情况
1.  ((0)|(1|2|...|9))

语法糖
可以引入更多的语法糖，来简化构造。

∑ 中的字符 c1 和 ∑ 中的字符cn，其中 对c1和cn 是有要求的，他必须是在 ∑ 之中按顺序排列的,
运算中正则表达式概念 c1 或 c2 或..cn 他是只选择其中一种情况，[a-z] = a|b|c|...|z 
[c1-cn] == c1|c2|...|cn  

[e+] == 一个或多个e
[e?] == 零个或一个e == ε | e
"a*" == a* 自身，不是 a 的 Kleen 闭包
e{i,j} == i 到 j 个 e 的链接
. == 除 '\n' 外的任意字符