编译原理MOOC笔记

正规文法和正规式

正规式即正则表达式

正规文法为左线性或右线性文法

正规式和正规文法的定义

正规式转换为正规文法

正规文法转换为正规式

词法分析

源程序 -> 前端 -> 中间表示 -> 后端 -> 目标程序

前端

源程序 -> 词法分析器 -> 记号 -> 语法分析器 -> 抽象语法树 -> 语义分析器 -> 中间表示

词法分析器的任务

任务：字符流到记号流

字符流：和被编译的语言密切相关（ASCII，Unicode，or…）
记号流：编译器内部定义的数据结构，编码所识别出的词法单元

词法分析器的实现方法

1. 手工编码实现法
   相对复杂、且容易出错，但是是非常流行的实现方法（现在的编译器如GCC和LLVM就是手工编码）

2. 词法分析器的生成器
   快速、代码量少，但是难以控制细节
   
   

正则表达式

给定字符集 $\sum =c_1,c_2,...,c_n$
归纳定义：
1. 空串 $ϵ$ 是正则表达式
2. 对于任意 $c\in \sum$, 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 } M | N= \{M, N\} M∣N={ M,N}
连接 M N = { m n ∣ m ∈ M , n ∈ N } MN = \{mn | m\in M,n \in N \} MN={ mn∣m∈M,n∈N}
闭包 M ∗ = { ϵ , M , M M , M M M , . . . } M*=\{\epsilon , M , MM, MMM, ...\} M∗={ ϵ,M,MM,MMM,...}

有限状态自动机

自动机={待补充}

字符串分为 可被自动机接受的字符串 和 不可被自动机接受的字符串

可被自动机接受：可达到结束状态
不可被自动机接受：不可达到结束状态

确定的有限状态自动机：对任意字符，最多有一个状态可以转移
不确定的有限状态自动机：对任意的字符，有多于一个状态可以转移

正则表达式到非确定有限状态自动机

词法分析器自动生成的过程：

$RE（正则表达式）\stackrel{Thompson算法}{\to }NFA\stackrel{子集构造算法}{}$