从正则表达式到NFA（Thompson算法）

正规式

定义

也叫正则表达式(regular expression，常简写为RE或regex)。是计算机科学标准化的成就之一。描述了一种字符串的模式。

形式上正则表达式是用于表征一组字符串的代数表示法。

构建

由较小的正则表达式按照特定规则递归地构建。

每个正则表达式r定义一个语言。这个语言也是根据r的子表达式所表示的语言递归定义的。

正规式与正规集

字母表∑上的正规式和正规集递归定义如下：

归纳基础

ε和φ都是∑上的正规式，它们所表示的正规集分别为{ε}和 φ。其中：ε为空字符串，φ为空集。

任意元素a∈∑，a是∑上的一个正规式，它所表示的正规集是{a}。

归纳步骤：假定R和S都是∑上的正规式，所表示的正规集记为L(R)和L(S)，由小正则表达式生成大的正则表达式的规则如下。

选择：(R | S) 是正规式，正规集为L(R)∪L(S)

连接：(R · S) 是正规式，正规集为L(R)L(S)

闭包：(R)* 是正规式，正规集为(L(R))*

(U) 是正规式，正规集为L(U)

仅由有限次使用上述步骤得到的表达式才是∑上的正规式，它们表示的集合是∑上的正规集。

注：n正则式是一个表达式，正规集是一个集合。

 

例：已知∑={a, b} ，下列正规式相应的正规集是什么？

正规式	正规集
ba*	所有以b为首，后跟任意多个a的字符串
a(a|b)*	所有以a为首的字符串
(a|b)*(aa|bb)(a|b)*	所有含有两个连续的a或连续的b的字符串

 

非确定的有限自动机——NFA

定义

一个非确定的有限自动机（NFA）M 是一个五元组: M = ( S, Σ, δ,  S0, F )，其中:

（1）S和 Σ的定义同前；

（2）δ: S × {Σ ∪ ε} →2S（状态子集）；

对于某个状态s ⊆ S 和一个输入字母a：

δ(s, a)=S’⊆ S

（3）S0 ⊆ S为非空初态集；

（4）F ⊆ S为终态集

 

Thompson算法 : RE -->NFA

基础规则

1. 对于 ε，构造为

2. 对于a （输入的字符以a为例），构造为

一个圆圈前加一个箭头表示初始状态，两个圆圈表示终结状态，中间用箭头连接，箭头上标明要输入的字符

归纳规则

1. 对于 a | b，构造为

2. 对于 ab，构造为

3. 对于 a*  = a^n |  ε，构造为

1.增加一个新的开始状态和一个新的结束状态。

2.将新的开始状态指向原来所有的开始状态。原来的终结状态指向新的终结状态。弧上为 ε 。

例题

设正则表达式 1*0(0|1)*, 构造等价的NFA