C++实现正则表达式转最小化DFA过程详解

目前学校正在开编译原理这门课。为了加深对正则表达式转最小化DFA的理解，利用c++编写了这个程序。现在把我的程序及实现的方法分享出来，希望能对大家的学习有所帮助。

完整代码：https://github.com/GgBondXiang/RexToMinDFA

正则表达式

操作数

本程序的支持的操作数为小写字母‘a’~‘z’。

运算符

正则表达式包含三个运算符

1）或运算符“|”

2）连接运算符“.”，一般省略不写，本程序中用“&”代替

3）闭包运算符“*”，即任意有限次的自重复连接

规定算符的优先顺序为先“*”，再“.”，最后“|”。

算法流程

1.正则表达式的预处理

预处理是把表达式中省略的连接运算符加上，方便计算机运算

需要添加“&”的有六种情况，分别为“a a” 、“a （” 、“* a” 、“* （” 、“） a” 、 “） （”
总结起来为当第一位是操作数、“*”、“）”且第二位为操作数或“（”

以表达式"(a|b)* abb"为例，预处理后的表达式为：“(a|b)* &a&b&b”

2.中缀表达式转后缀表达式

运算符的优先级为 闭包‘*’ > 连接‘&’ > 或‘|’

转换过程中需要用到一个运算符栈，具体过程如下:

• 如果遇到操作数，直接将其输出。
• 如果遇到运算符：
  • 遇到‘（’直接压入栈中；
  • 遇到‘）’将运算符出栈并输出，直到遇到‘（’，将‘（’出栈但不输出；
  • 遇到‘*’、‘&’、‘|’运算符：
    • 如果栈为空，直接将运算符压入栈中；
    • 如果栈不为空，弹出栈中优先级大于等于当前运算符的运算符并输出，再将当前运算符入栈。
• 当输入串读取完之后，如果栈不为空，则将栈中元素依次出栈并输出。

/*
*本程序中比较优先级的方法是为每一个运算符返回一个权值，通过权值的大小来比较优先级。
*但是实际操作中会遇到bug，这是因为程序无法返回左括号的优先级。
*为了保证弹出优先级大于等于当前运算符的运算符时，左括号不会出栈，将左括号的权值设为0
*/
int priority(char ch)
{

	if(ch == '*')
	{
		return 3;
	}
		
	if(ch == '&')
	{
		return 2;
	}
		
	if(ch == '|')
	{
		return 1;
	}
	
	if(ch == '(')
	{
		return 0;
	}
}

下面看这个例子“(a|b)* &a&b&b”

1.遇到“（”，直接入栈

栈：(

输出区：

2.遇到“a”，直接输出

栈：(

输出区：a

3.遇到“|”，栈中没有优先级大于等于它的运算符，直接压入栈中

栈：( |

输出区：a

4.遇到“b”，直接输出

栈：( |

输出区：a b

5.遇到“）”，“|”出栈并输出，左括号出栈

栈：

输出区：a b |

6.遇到“*”，栈为空，直接入栈

栈：*

输出区：a b |

7.遇到“&”，“*”出栈并输出，再将“&”入栈

栈：&

输出区：a b | *

8.遇到“a”，直接输出

栈：&

输出区：a b | * a

9.遇到“&”，“&”出栈并输出，再将“&”入栈

栈：&

输出区：a b | * a &

10.遇到“b”，直接输出

栈：&

输出区：a b | * a & b

11.遇到“&”，“&”出栈并输出，再将“&”入栈

栈：&

输出区：a b | * a & b &

12.遇到“b”，直接输出

栈：&

输出区：a b | * a & b & b

13.字符串读完，栈不为空，将栈中元素出栈并输出

栈：

输出区：a b | * a & b & b &

所以转换完的后缀表达式为“ab|* a&b&b&”

3.后缀表达式创建NFA

首先介绍一下NFA的存储结构，下图为一个NfaState

struct NfaState				/*定义NFA状态*/
{
	
	int index;				/*NFA状态的状态号*/ 
	
	char input;				/*NFA状态弧上的值，默认为“#”*/
	int chTrans;			/*NFA状态弧转移到的状态号，默认为-1*/ 
	
	IntSet epTrans;			/*当前状态通过ε转移到的状态号集合*/ 
};

struct NFA
{
	
	NfaState *head;			/*NFA的头指针*/
	NfaState *tail;			/*NFA的尾指针*/
};

程序中定义了一个NfaState类型的数组NfaStates和一个int类型的全局变量nfaStateNum，初值为0，每次需要创建一个NFA时就通过NfaStates[nfaStateNum]和NfaStates[nfaStateNum + 1]从数组中取出两个状态，nfaStateNum加2，再更新NFA的头尾指针即可。

转换过程中要用到一个NFA栈，具体流程如下：

• 按顺序读取后缀表达式，每次读取一个字符

  • 如果遇到操作数a，则新建一个NFA，转换弧上的值为a，将这个NFA压入栈中
    

  • 如果遇到闭包运算符“*”，则新建一个NFA n，从NFA栈中弹出一个元素 n1，连接关系如下，将NFA n压入栈中
    

  • 如果遇到或运算符“|”，则新建一个NFA n，并在NFA栈中弹出两个元素n1，n2，连接关系如下，将NFA n压入栈中
    

  • 如果遇到连接运算符“&”，不用新建NFA，只需在NFA栈中弹出两个元素n1，n2，改变n1 n2的头尾指针，连接关系如下，最后将n压入栈中
    

后缀表达式“ab|* a&b&b&”具体转换过程如下

1. 遇到“a”，新建一个NFA n，压入栈中
   

2. 遇到“b”，新建一个NFA n，压入栈中
   

3. 遇到“|”，新建一个NFA n，从栈中弹出两个NFA，改变连接关系，再将n压入栈中
   

4. 遇到“*”，新建一个NFA n，从栈中弹出一个NFA，改变连接关系，再将n压入栈中
   

5. 遇到“a”，新建一个NFA n，压入栈中
   

6. 遇到“&”， 新建一个NFA n，从栈中弹出两个NFA，改变连接关系，再将n压入栈中
   

7.遇到“b”，新建一个NFA n，压入栈中

8.遇到“&”， 新建一个NFA n，从栈中弹出两个NFA，改变连接关系，再将n压入栈中

9.遇到“b”，新建一个NFA n，压入栈中

10.遇到“&”， 新建一个NFA n，从栈中弹出两个NFA，改变连接关系，再将n压入栈中

后缀表达式读取结束，最后NFA栈中的唯一元素即为创建好的NFA

4.NFA转化为DFA

struct Edge			/*定义DFA的转换弧*/
{
	
	char input;			/*弧上的值*/
	int Trans;			/*弧所指向的状态号*/
};

DFA存储结构如下，下图为一个DfaState

struct DfaState		/*定义DFA状态*/
{
	
	bool isEnd;			/*是否为终态，是为true，不是为false*/
	
	int index;			/*DFA状态的状态号*/
	IntSet closure;		/*NFA的ε-move()闭包*/
	
	int edgeNum;		/*DFA状态上的射出弧数*/
	Edge Edges[10];		/*DFA状态上的射出弧*/
};

struct DFA			/*定义DFA结构*/
{
	
	int startState;				/*DFA的初态*/
	
	set<int> endStates;			/*DFA的终态集*/
	set<char> terminator;		/*DFA的终结符集*/
	
	int trans[MAX][26];		/*DFA的转移矩阵*/
};

算法过程如下：

set s;   		//用于判断集合是否出现过。如果没有出现，则需新建一个DFA状态
queue q;

dfa状态总数 = 0;			//dfa状态总数

T0 = ε-closure(0);		//计算ε-closure(0)，令T0 = ε-closure(0)
s.insert(T0);			//将子集T0加入子集族s中
q.push(T0);				//将子集T0入队列

为T0新建一个dfa状态;
dfa状态总数++;			//dfa状态总数加一

while(!q.empty())
{
	
	T = q.front();		//出队列
	q.pop();
	
	for ch in 终结符集	//对每个终结符进行ε-closure(move(T， ch))运算
	{

		temp_set = ε-closure(move(T, ch));
		
		if(!temp_set.empty())		//如果子集不为空
		{
			if(!s.count(temp_set)）		//如果子集不在s中
			{
		
				为temp_set新建一个dfa状态；
			
				s.insert(temp_set);	//将子集temp_set加入子集族s中
				q.push(temp_set);	//将子集temp_set入队列
	
				dfa状态总数++;
			}
			else    //该状态在子集族s中，假设标号为T_temp
			{
			
				为当前状态T新建一条弧;
				
				//弧上的值为当前终结符
				弧上的值 = ch;	
				//弧转移到的状态为标T_temp	
				弧转移到的状态 = temp;		
			}
		}
	}
}

以“ab|* a&b&b&”为例：

子集	a	b
T0 {0 2 4 6 7 8}	{0 1 2 4 5 6 7 8 9 10} T1	{0 2 3 4 5 6 7 8} T2
T1 {0 1 2 4 5 6 7 8 9 10}	{0 1 2 4 5 6 7 8 9 10} T1	{0 2 3 4 5 6 7 8 11 12} T3
T2 {0 2 3 4 5 6 7 8}	{0 1 2 4 5 6 7 8 9 10} T1	{0 2 3 4 5 6 7 8} T2
T3 {0 2 3 4 5 6 7 8 11 12}	{0 1 2 4 5 6 7 8 9 10} T1	{0 2 3 4 5 6 7 8 13} T4
T4 {0 2 3 4 5 6 7 8 13}	{0 1 2 4 5 6 7 8 9 10} T1	{0 2 3 4 5 6 7 8} T2

至此，子集族中不存在新的子集，为每个子集创建dfa状态后，dfa则构造完成。

5.DFA的最小化

struct stateSet			/*划分状态集*/
{
	
	int index;			/*该状态集转换到的状态集标号*/  
	IntSet s;			/*该状态集中的dfa状态号*/
};

stateSet temp[128];

定义一个缓冲区，用来存储划分集合中的元素和该集合转移到的集合号。
如果某个DFA状态没有与某个终结符对应的弧，规定此类DFA状态转移到的集合号为-1。

判断当前划分集合是否需要进行划分的依据为缓冲区中的元素个数

如果个数为1，表示当前划分集合中的所有元素都转移到同一个集合中，则不需要划分

反之，如果个数大于1，表示当前划分集合中的元素转移到不同集合中，则需要划分

例如当前划分集合为

划分集合	划分集合中的元素
PartSet[0]	{0 2 4 6 7}
PartSet[1]	{1 3 5}

假设划分集合 PartSet[0]：{0 2 4 6 7}对于终结符“a”，有这样一个缓冲区：

缓冲区	转移到的集合号	划分集合中的元素
temp[0]	1	{0 6}
temp[1]	-1	{2}
temp[2]	0	{4 7}

该缓冲区表示

temp[0]：DFA状态0、6都能转移到划分集合 PartSet[1]中

temp[1]：DFA状态2没有与“a”对应的转换弧

temp[2]：DFA状态4、7都能转移到划分集合 PartSet[0]中

因为缓冲区的元素个数大于1，即PartSet[0]中的元素能转移到不同集合中，所以应对PartSet[0]进行划分。

算法过程如下：

set PartSet[128];		//用于存储所有的划分集合

//将终态和非终态划分开
for state in DfaStates		//遍历DFA状态数组
{
	if(state.isEnd == true)		//如果该DFA状态是终态
	{
		PartSet[0].insert(state);			//加入到划分集合[0]中
	}
	else						//如果不是终态
	{
		PartSet[1].insert(state);			//加入到划分集合[1]中
	}
}

//实际实现过程中为了遍历划分集合还应判断DFA中是否包含非终态。
//如果有则第一次划分后划分集合个数为2，如果没有则为1。

bool flag = true;		//上次产生新的划分则为true，反之为false
while(flag)		//一直循环，直到上次没有产生新的划分
{
	for set in PartSet	//对每个划分集合set
	{
			
		int cutCount = 0;	//划分次数
		
		for ch in 终结符集	//遍历每个终结符
		{
			for state in set		//遍历集合set中的每个DFA状态state
			{
				
				//判断该DFA状态是否存在与该终结符对应的弧
				bool haveEdge = false;	
				
				for edge in sate.Edge	//遍历DFA状态sate的每条边edge
				{
					//如果存在某条边的输入为当前终结符
					if(set.state.edge.input == ch)
					{
						//找到该弧转换到的状态所属的划分集合号
						setNum = findSet(set.state.edge.Trans);
						将该state加入到缓冲区中能转换到setNum的状态集合中;
						
						haveEdge = true;
						break;	
					}
				}
		
				if(!haveEdge)
				{
					将该state加入到缓冲区中能转换到-1的状态集合中;
				}
			}
		}

		if(缓冲区中元素个数 > 1)		//缓冲区中元素个数大于1则需要划分
		{
			
			cutCount++;		//划分次数+1
			
			//这里是从1开始，因为要将temp[0]中的元素保留在原划分集合中
			for(i = 1; i < temp的元素个数; i++)
			{
				在原划分集合set中删除temp[i]中的元素;
				为temp[i]创建新的划分集合;
			}
		}
	}
	
	if(cutCount > 0)	//划分次数大于0说明本次产生了新的划分
	{
		flag = true;
	}
}

for set in PartSet
{
	为set创建一个DfaState;
}

还是之前的例子：
在进行第一次划分，即将终态与非终态分开后

划分集合	划分集合中的元素
PartSet[0]	{4}
PartSet[1]	{0 1 2 3}

PartSet[1]对终结符“a”进行划分

缓冲区	转移到的集合号	划分集合中的元素
temp[0]	1	{0 1 2 3}

PartSet[1]对终结符“b”进行划分

缓冲区	转移到的集合号	划分集合中的元素
temp[0]	1	{0 1 2}
temp[1]	0	{3}

缓冲区中的个数大于1，需要进行划分。划分后的集合为：

划分集合	划分集合中的元素
PartSet[0]	{4}
PartSet[1]	{0 1 2}
PartSet[2]	{3}

PartSet[2]对终结符“b”进行划分

缓冲区	转移到的集合号	划分集合中的元素
temp[0]	1	{0 2}
temp[1]	2	{1}

缓冲区中的个数大于1，需要进行划分。划分后的集合为：

划分集合	划分集合中的元素
PartSet[0]	{4}
PartSet[1]	{0 2}
PartSet[2]	{3}
PartSet[3]	{1}

对每个划分集合进行判断，发现不再需要进行新的划分，
则为每个划分集合创建一个DFA状态，DFA最小化完成。