形式语言与编译-上下文无关文法

CFG定义

形式定义：CFG G = (𝕍, T, 𝓟, S)，其中，
• G为文法标识（可省略），
• 𝕍是变元的有穷集合，
• T是终结符的有穷集合（字母表，也习惯用Σ），
• 𝓟是产生式规则的有穷集合，
• S是一个初始符号，S∈𝕍。
⌲ 文法G所定义的语言，L(G) = L(S) ⊆ T*，是T上的语言

eg:

E ⟶ E + E | E * E | (E) | d

CFG ({E}, {+, *, (, ), d}, {(E, E+E), (E, E*E), (E,\(E\)), (E, d)}, E)

句型：从初始符号推导出来的任意串。
⌲ 句子：从初始符号推导出来的终结符串。
⌲ 句子是句型的一个特例。

最左、最右推导

每次替换最左变元还是最右变元。
eg:
问句子 a*(ab+10)的最左、
最右推导 ？

E → E+E | E*E | (E) | F 
F → aF | bF | 0F | 1F | ε

语法分析树

• 叶子：用终结符或ε标记
• 内结点：用变元标记
• 根：用初始符号标记

歧义性文法

选择不同的候选式常常会推导出不同的句子，但有时不尽然。如果真出现同一个句子有多个语法树的情况，表明文法是有歧义的。

一个 CFG 是歧义的 若它的语言有元素至少是两个语法树的产物。

定理：对于CFG的句子w有两个语法树当且仅当有两个最
左推导。

把歧义文法转换为无歧义文法

⌲ 歧义文法：
• B → BB | (B) | ()
⌲ 无歧义文法：
• B → (RB | ε
• R → ) | (RR

CFG化简

有用与无用的文法符号

从初始符号推导句子的步骤中出现的符号都是有用的。

⌲ 可达符号：由初始符号推导出的任意串中的文法符号。
⌲ 如果S ⇒* αXβ, α,β∈(V∪T)， 那么X是可达的。
⌲ 有产出的符号：能推导出终结符串的文法符号。
⌲ 如果X⇒w, X∈(V∪T), w∈T，那么X是产出的。

终结符，一定是产出的，但有可能是不可达的；
变元，4种情形都有可能。

eg:
⌲ 例：S⟶AB；A⟶aA | a；B⟶AB
⌲ 可达符号：S，A，B，a
⌲ 不可达符号：无
⌲ 有产出的符号：A，a
⌲ 无产出符号：S，B
⌲ 因为初始符号S是无产出的，所以该语言是空

去除无用符号

从G中去除无产出变元得到CFG Gg = (Vg, T, Pg, S)
从Gg中去除不可达符号得到CFG Gu = (Vu, Tu, Pu, S)

去除ε-产生式

定义：CFG G=(V,T,P,S)，A∈V是可空变元，当且仅当A⇒*ε。

⌲ 输入：G = (V, T, P, S)
⌲ 输出：Ga = (V, T, Pa, S)

1. Pa初始化为空集合；
2. 找出G的所有可空变元；
3. 对P中每个非ε产生式，将它的变形全部加入Pa；
4. Pa 中去掉以ε为候选式的所有产生式。

eg:

去除单位产生式

单位产生式：右部为单个变元的产生式。

关键点：找出所有单位对(A, B) 使得A ⇒* B 仅通过一系列单位产生式得到。

总结