新编译原理和集合论

1

以句子为单位，理解源代码。

使用集合论，一个句子对应多个字符串，储存在一个集合中。通过集合间的操作，精准地控制集合里边有哪些句子。集合论中的集合，对应文法产生式中的非终结符，但不同之处是，集合论对句子的操作更灵活。具体来说：

分配[30]个[学生类]至[班]。ban=malloc(30*sizeof(Student));

它可以翻译成如上的C语言语句。新编译原理将是一种翻译，从类似自然语言的源代码，翻译成现有的计算机语言的源代码。

如何使用集合论？集合间的运算有“加、减、连接”，分别如下：
A+B，即A并B，在A的基础上再增加一些元素。
A-B，即A交B补，从A中减去一些元素。
AB，两个集合的连接，是把集合中的元素使用排列组合的规律配对，再连接起来。

例：
A={给}
B={老婆，老公……}
C={发红包}
执行集合间连接操作后，ABC={给老婆发红包，给老公发红包，……}

2

说完集合间，说集合内。

集合内有“属于、遍历”函数，使用属于函数，判断给定句子是不是该集合的元素；使用遍历函数，依次输出集合内的所有元素。属于函数用于完成语法分析任务，遍历函数用于显示集合中的所有句子。

对于{自然数}之类的无穷集合，属于函数用正则表达式完成；遍历函数可以显示：0 1 2 3 …，挑几个特征值显示。

集合间的操作可以连成串，如A+BCD-E，这串操作的结果也是个集合，它的属于、遍历函数，是依次执行各个集合的内部函数，再把结果整合起来的结果。

例如，集合间的加操作，C=A+B，C的属于函数就可以写成“属于A或属于B”。对应的遍历函数，也将是执行完A的遍历函数，再执行B的遍历函数。

句子用字符串的集合来实现，那么句子的集合呢？理论上，语境是句子的集合；工程上，用dll包装句子的集合。具有相关、相似功能的句子，放在一个语境中，包装在一个dll里。源代码中使用某语境，即导入相关的dll。

3

如果只有上述内容，将只能完成语法分析，即判断所给句子是否属于该集合。还需要有集合间的映射，才能完成翻译工作。如何完成集合间映射？不同的工程做法不同。

未完待续。

解释上文的内容，为什么要“以句子为单位”？可以参考的内容不多，包括：人们曾经花大力气研究函数图像，但后来发现，复杂图形的函数异常复杂，以至于无法表示。后来就有了“光栅法”，即像bmp格式那样，把每个像素的颜色都记下来，这么做成功了。现在人们研究各种技术，期望实现自然语言理解，甚至是自然语言编程。这和当年研究函数图像十分相似，只要提高数据量，问题的复杂度就能大幅下降。

所以，以句子为单位理解源代码，每个句子都是一门微型语言。给编译器配一个数据库，也是有可能的。