编译原理第三章笔记 -- 词法分析

本文中内容整理西安交通大学软件学院吴晓军老师的ppt中，仅供学习使用，请勿转载或他用
参考教材：《程序设计语言 编译原理》（第3版） 陈火旺等 国防工业出版社

对词法分析器的要求

词法分析的任务：

从左到右逐个字符地扫描源程序，产生一个个的单词符号，把作为字符串的源程序改造称为单词符号串的中间程序

词法分析器/扫描器：执行词法分析的程序

词法分析器的功能如下图：

输入源程序，输出单词符号

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Iv41XUs9-1678365454067)(http://cdn.hydrion-qlz.top/gitee/202201211134972.png#pic_center)]

• 关键字
  • 由程序语言定义的具有固定意义的标识符。也可以称为保留字或基本字。如：if，else。他是确定的
• 标识符
  • 用来表示各种名字，如变量名、数组名、函数名等，他是不限的
• 常数
  • 常数的类型一般有整型、实型、布尔型、文字型等。他是不限的。
• 运算符
  • 运算符：如+、-、*、/等，他是确定的
• 界符
  • 界符：如逗号、分号、括号等，他是确定的

确定：代表该类型符号是可枚举的

不限：代表该类型符号是不可枚举的

单词符号的表示形式

词法分析器的功能和输出形式

词法分析器所输出的单词符号常常表示成二元式：（单词种别，单词自身的值）。

单词种别可以用以下形式表示：

1. 一类单词统一用一个整数值代表其属性。例如：1代表关键字，2代表标识符等
2. 每一个单词一个类别。例如：1代表Begin，2代表End

单词自身的值：其可以表示成：常量的二进制表示；常量、变量在符号表中的地址码，等等

注意：

一个语言的单词符号如何分种，分几种，怎样编码，这是一个技术问题。

• 标识符一般同归为一种。
• 常数则宜按照类型（整数、实数、布尔）分类
• 关键字可以将其全体视为一种，也可以一字一种
• 运算符可以采用一符一种，但也可以把具有一定共性的视为一种
• 界符一般采用一符一种。

若是一符一种分种，单词自身值就不需要了。否则，要查符号表

例子

151-FORTRAN编译程序的词法分析器在扫描输入串(下述代码)后，它输出的单词符号串是：

IF (5 · RQ · M) GOTO 100

类型	单词符号串	解释
逻辑IF	（34，_）	IF为关键字，种别编码为34 用一符一种的编码方式
左括号	（2，_）	‘（’为界符，种别编码为2 采用一符一种的编码方式
整常数	（20，‘5’的二进制表示）	常数类型，种别编码为20 单词自身的值为‘5’的二进制表示
等号	（6，_）	等号为运算符，种别编码为6 采用一符一种的编码方式
标识符	（26，‘M’）	M为标识符，种别编码26 单词自身值为M在符号表中的地址
右括号	（16，_）	‘）’为界符，种别编码为16} 采用一符一种的编码方式
GOTO	（30，_）	GOTO为关键字，种别编码为30 采用一符一种的编码方式
标号	（19，‘100’的二进制表示）	100位标号，种别编号为19 单词自身的值用100的二进制表示

词法分析与语法分析的关系

把词法分析从语法分析中脱离出来的优点：

• 使编译程序的结构更加简洁、清晰和条理化
• 词法分析和语法分析方法不同，词法分析可以使用正则文法自动构造scanner简单
• 有利于提高语法分析的效率
• 可以改善词法分析的细节，甚至于一个语法分析配几个scanner，把不同的输入变成一种内部表示

把词汇分析作为独立的一遍

• 将Scanner作为一遍

• scanner作为子程序

词法分析器的设计

设计前提：

• 把Scanner作为一个独立的子程序
• 词法分析器的任务为输出单词符号

预处理

• 必要性：编辑性字符如空白符、回车符等，除了出现在文字常数中以外，在别处出现都没有意义。
• 功能：剔除无用字符
• 实现：预处理子程序

• 输入：曾经是纸带，所以图中的样子是多个文件
• 列表是对输入缓冲区的内容进行统计记录
• 预处理子程序从输入缓冲区读入字符，将扫描结果放入扫描缓冲区交由扫描器使用
• 语法分析器调用扫描器，扫描器调用预处理子程序，预处理子程序和扫描器都可以返回当前处理结果
• 扫描器查看扫描缓冲区是否准备好字符串，如果没有准备好则调用预处理子程序

例子：识别输入语句IF (5.EQ.M) GOTO 100

缓冲区的大小不够容纳整条语句

扫描缓冲区的结构：

• 缓冲区大小：120个字符
• 采用两个指示器：起点指示器、搜索指示器
• 两个互补的缓冲区

单词符号的识别----超前搜索

单词符号识别的简单方法：超前搜索

FORTRAN语言是第一个高级编程语言，所以本门课程大量使用FORTRAN程序代码

• 标识符的识别
  • 多数语言的标识符是字母开头的“字母/数字”串，而且在程序中标识符的出现后都跟着算符或界符。因此不难识别
• 常数的识别
  • 对于某些语言的常数的识别也需要使用超前搜索
• 算符和界符的识别
  • 对于诸如C++语言中的“++”、“–”，这种复合成的算符，需要超前搜索

状态转换图

• 转换图：是一张有限方向图。在状态转换图中，结点代表状态，用圆圈表示。状态之间用箭弧连接。箭弧上的**标记（字符 ）**代表在射出节点状态下可能出现的输入字符或字符类
• 状态转换图的功能：识别符合一定要求的字符串
  • 可能有若干条要求，对于每一个要求都可以建立一个状态转换图
  • 状态转换图可以与词法分析器中的每一个程序段对应起来
• 初态：一张完整状态转换图的启动条件，至少有一个，用圆圈表示
• 终态：一张完整状态转换图的结束条件，至少有一个，用双圈表示
• 终态上的*：表示多读进了一个不属于标识符部分的字符

简单的状态转换图的示例

a：是状态转换图的子图，是不完整的

b：识别标识符的转换图

c：识别整数的转换图

d：识别FORTRAN实型常数的转换图，例如 1.23E+4 和 .56E-7

综合示例----做出识别下表所示的小语言的单词符号的状态转换图

• 标志符和常数都是一类一种，其他的是一类一种，所以没有内码值
• 每一行都是一条构词规则

词法分析的转换图

状态转换图的实现

• ch：字符变量，存放最新读进的源程序字符
• strToken：字符数组，存放构成单词的字符串
• GetChar：过程，将下一输入字符读入ch，搜索指示器前移一个字符
• GetBC：过程，检查ch中的字符是否为空白。若是，则调用GetChar直至ch中进入一个非空白字符
• Concat：过程，把ch中的字符链接到strToken之后
• IsLetter，IsDigit：布尔函数过程，他们分别判断ch中的字符是数字或字母
• Reserve：整型函数过程，用strToken中的字符串查保留字表，若是一个保留字则给予编码，否则会送0值（假定0不是保留字的编码）
• Retract：过程，把搜索指示器回调一个字符，把ch中的字符置为空白

以上函数和子程序过程都不难编制，使用他们能够方便地构造状态转换图的对应程序。一般地，我们可以让每一个状态结点对应一个程序段。例如：我们可以让不含回路的分叉结点对应一个CASE语句，或者是一组IF…THEN…ELSE。

终态结点一般对应一个return(code, value)其中code为单词种别编码，value是字符数组的strToken（或者是一个整数值，或者无定义）

为了把状态转换图转化成程序，每个状态要建立一段程序，它要做的工作如下：

1. 从输入缓冲区中取一个字符。为此，我们使用函数GetChar，每次调用它，推进先行指针，送回一个字符
2. 确定在本状态下，哪一条箭弧是用刚刚来的输入字符标识的。如果找到，控制就转到该弧所指向的状态；若找不到，那么寻找该单词的企图就失败了
3. 先行指针必须重新回到开始指针处，并用另一状态图来搜索另一单词。如果所有的状态转换图都试过之后，还是没有匹配的，就表明这是一个词法错误，此时，调用错误校正程序

状态1的代码如下所示：

C := GetChar;
if IsLetter(C) or IsDigit(C):
	then goto state 1
else if Delimiter(C)
	then goto state 2
else 
	Fail()

状态2的代码如下所示：

! Retract()是过程，由于分解符不属于标识符，所以我们需要把先行指针回调一个字符
Retract(); 
return ($id,Install())

如果同时识别标识符和关键字，则需要修改为下面这样：

Retract();
! Reserve()整型函数过程，针对strToken中的字符串进行查找，看其是否是保留字，是保留字给出它的编码，否则返回0（假定不是保留字编码）
C := Reserve(); 
if C = 0
	then return ($id, Install())
	else return (C, _)

总结

词法分析方法包括以下步骤：

1. 给出程序设计语言的单词规范
2. 对照单词表设计识别改语言所有单词的状态转换图
3. 根据状态转换图编写词法分析程序

该方法是手工方式，效率比较低

词法分析器的设计：

1. 给出程序设计语言的单词规范——单词表
2. 对照单词表设计识别该语言所有单词的状态转换图
3. 根据状态转换图编写词法分析程序

正规表达式与有限自动机

预备知识

字母表是一个非空有穷集合，通常用$\Sigma$表示

字母表中的元素称为该字母表的字母（letter），或者符号（symbol），或者字符（character）

最好称之为字符，其他两个叫法会有歧义

字母表的两个特性：非空性和有穷性

字符的两个特性

• 整体性(monolith)，或称为不可分性
• 可辨认性(distinguishable)，或称为可区分性

字母表的乘积

${\Sigma }_1$与${\Sigma }_2$的乘积记作
Σ 1 Σ 2 = { a b ∣ a ∈ Σ 1 , b ∈ Σ 2 } \Sigma_1\Sigma_2=\{ab|a\in\Sigma_1,b\in\Sigma_2\} Σ1​Σ2​={ab∣a∈Σ1​,b∈Σ2​}

字母表$\Sigma$的幂

零次幂不是空集，是个空串

• Σ 0 = { ε } \Sigma^0=\{\varepsilon\} Σ0={ε},其中$\epsilon$是由$\Sigma$中的0个字符组成的
• ${\Sigma }^n={\Sigma }^{n-1}\Sigma ,n\ge 1$

字母表的闭包

每个闭包都至少包含一个串，允许串无限长

• $\Sigma$的正闭包（positive closure）

  ${\Sigma }^{+}=\Sigma \cup {\Sigma }^2\cup {\Sigma }^3\cup {\Sigma }^4...$

• $\Sigma$的克林闭包(Kleene closure) 与正闭包的区别只在于增加了零串，（默认是这个）

  Σ ∗ = Σ 0 ∪ Σ ∪ Σ 2 ∪ Σ 3 ∪ . . . = Σ 0 ∪ Σ + = { ε } ∪ Σ + \Sigma^*=\Sigma^0\cup\Sigma\cup\Sigma^2\cup\Sigma^3\cup...=\Sigma^0\cup\Sigma^+=\{\varepsilon\}\cup\Sigma^+ Σ∗=Σ0∪Σ∪Σ2∪Σ3∪...=Σ0∪Σ+={ε}∪Σ+

字母表和闭包的关系举例：

句子

建议用串来理解

对于任何$x\in {\Sigma }^{\ast }$，x即$\Sigma$上的一个句子(sentence)：

句子又可被称为字（word）、字符行/符号行（line）、或字符串/符号串（String）

程序设计语言的单词规范----单词表可以与正规集建立起一一对应关系，进而与正规式建立起一一对应关系

单词表是啥？字母表的闭包吗？单词表就是在说什么样的串是我这个语言允许的、可接受的

正规式非常简约，且可以表示单词表的所有东西

有一种工具，输入是正规式，输出是状态转换图对应的词法分析程序，直接跳过状态转换图这一步

正规式与正规集

${\Sigma }^{\ast }$的子集U，V：

• 积： U V = { α β ∣ α ∈ U & β ∈ V } UV=\{\alpha\beta|\alpha\in U\&\beta\in V\} UV={αβ∣α∈U&β∈V}
• n次积：$V^n=VVV...V$， V 0 = { ε } V^0=\{\varepsilon\} V0={ε}
• V的闭包：$V^{\ast }=V^0\cup V^1\cup V^2\cup ...$
• V的正则闭包：$V^{+}=V{V}^{\ast }$

空串$\epsilon$不是字母表中的元素,phi是吗？

$\epsilon$是字，但是$\Phi$不是字是集合

正规式与正规集的递归定义：

1. $\epsilon$和$\Phi$都是字母表$\Sigma$上的正规式，它们所表示的正规集分别为 { ε } \{\varepsilon\} {ε}和$\Phi$
2. 任何$a\in \Sigma$，a是$\Sigma$上的一个正规式，它所表示的正规集为 { a } \{a\} {a}

仅由有限次使用上述三步骤而得到的表达式是字母表$\Sigma$上的正规式，仅由这些正规式所表示的子集才是字母表$\Sigma$上的正规集

| 或， · 连接， * 闭包

优先顺序，先 * 再 · 在 |

涉及到闭包一定是无穷集

证明两个正规集相等可以从正规集出发，证明集合相等

例子

例1：

令 Σ = { A , B , 0 , 1 } \Sigma=\{A,B,0,1\} Σ={A,B,0,1}，则：
$$\begin{array}{rlrl}& 正规式& & 正规集\\ & (A|B)(A|B|0|1{)}^{\ast }& & \Sigma 上标识符的全体\\ & (0|1)(0|1{)}^{\ast }& & \Sigma 上数的全体\end{array}$$
例2：

令 Σ = { a , b } \Sigma=\{a,b\} Σ={a,b}，下面是$\Sigma$上的正规式和相应的正规集：
正规式 正规集 b a ∗ Σ 上所有的以 b 为首，并且后跟任意多个 a 的字， { b , b a , b a a , b a a a , . . . . } a ( a ∣ b ) ∗ Σ 上所有的以 a 为首的字 ( a ∣ b ) ∗ ( a a ∣ b b ) ( a ∣ b ) ∗ Σ 上所有含有两个连续的 a 或者 b 的字 \begin{aligned} &正规式 &&正规集\\ &ba^* && \Sigma上所有的以b为首，并且后跟任意多个a的字，\{b,ba,baa,baaa,....\}\\ &a(a|b)^* &&\Sigma上所有的以a为首的字\\ &(a|b)^*(aa|bb)(a|b)^* && \Sigma上所有含有两个连续的a或者b的字\\ \end{aligned} ​正规式ba∗a(a∣b)∗(a∣b)∗(aa∣bb)(a∣b)∗​​正规集Σ上所有的以b为首，并且后跟任意多个a的字，{b,ba,baa,baaa,....}Σ上所有的以a为首的字Σ上所有含有两个连续的a或者b的字​

若两个正规式表示相同的正规集，则认为二者等价，记为$U=V$。

例如：
$$\begin{gathered} b(ab{)}^{\ast }=(ba{)}^{\ast }b \\ (a|b{)}^{\ast }=(a^{\ast }{b}^{\ast }{)}^{\ast } \end{gathered}$$

关系

令U、V和W均为正规式，显而易见，下列关系普遍成立：

• 交换律：$U|V=V|U$
• 或结合律：$U|(V|W)=(U|V)|W$
• 连接结合律：$U(VW)=(UV)W$
• 分配率：
  • $U(V|W)=UV|UW$
  • $(V|W)U=VU|WU$
• 吸收律：$\epsilon U=U\epsilon =U$

确定有限自动机（DFA）

定义

一个确定有限自动机（DFA） M是一个五元式：$M=(S,\Sigma ,\delta ,s_0,F)$，其中：

1. S是一个有限集，它的每个元素称为一个状态
2. $\Sigma$是一个有穷字母表，它的每个元素称为一个输入字符
3. $\delta$是一个从$S\times \Sigma$至$S$的单值部分映射，$\delta (s,a)=s^{\prime }$意味着：当现行状态为s、输入字符为a时，将转换到下一状态$s^{\prime }$。我们称$s^{\prime }$为s的一个后继状态
4. $s_0\in S$是唯一的初态（不可空）
5. $F\subseteq S$是一个终态集（可空）

单值映射的后面一定是唯一的，也可以没有，即至多一个

3,4是为了体现定义中“确定”的要求

终态为空是因为当前这个图可能是在一个更大的图中的子图。但是在一般保证该图有意义的情况下都是不为空的

显然，一个DFA可以用一个矩阵表示，该矩阵的行表示状态，列表示字符，矩阵元素表示$\delta (s,a)$的值，这个矩阵称为状态转换矩阵

例子

例1

有DFA M = ( { 0 , 1 , 2 , 3 } , { a , b } , δ , 0 , { 3 } ) M=(\{0,1,2,3\},\{a,b\},\delta,0,\{3\}) M=({0,1,2,3},{a,b},δ,0,{3})，其中$\delta$为：
$$\begin{array}{rlr}& \delta (0,a)=1& \delta (0,b)=2\\ & \delta (1,a)=3& \delta (1,b)=2\\ & \delta (2,a)=1& \delta (2,b)=3\\ & \delta (3,a)=3& \delta (3,b)=3\end{array}$$
则其相应的状态转换矩阵如下表：

状态	a	b
0	1	2
1	3	2
2	1	3
3	3	3

在该例子中共有四个状态，两个字符

另外如果题目要求由DFA转换为五元式的时候会在表中写出来初态和终态

初态其实可以根据图判断出来：只有出度，没有入度

一个DFA也可以用一张（确定的）状态转换图来表示。假定DFA M含有m个状态n个输入字符，那么，这个状态转化图含有m个状态结点，每个结点顶多有n条箭弧射出和别的结点相连接，整张图含有一个初态结点和若干个（可以为0）终态结点（需要双圈表示）。

例如可以识别aa（0-1-3），bba(0-2-3-3)，等

例2

数字常量的正则表达式对应的DFA：

digit = [0-9]
nat = digit+
signedNat = (+|-)?nat
number = signedNat("."nat)?

解释：

• 其中[0-9]表示可以取0-9中的任意一个数字，则digit表示的就是一位数字
• nat表示digit的闭包，也就是说nat中可以包含有1个或多个digit
• ”|“表示或者，“?” 表示可以有也可以没有，则signedNat则表示带符号的整数
• number是在signedNat后又加了小数点以及无符号数，则number表示全体实数

DFA的五元式可以转换为状态转移矩阵，状态转移矩阵又和状态转换图有一一对应的关系

例3

约定进入的有向箭头表示初态节点

例4

注意二者中的区别

串中只有一个b可以被接受的DFA：

接受包含最多一个b的串的DFA：

定理：如果一个DFA M的输入字母表为$\Sigma$，则我们也称M是$\Sigma$上的一个DFA。可以证明：$\Sigma$上的一个字集$V\subset {\Sigma }^{\ast }$是正规的，当且仅当存在$\Sigma$上的DFA M，使得$V=L(M)$

DFA的确定性表现在映射$\delta$：$s\times \Sigma \to S$是一个单值函数。即：对于任何状态$s\in S$和输入符号$a\in \Sigma$，$\delta (s,a)$唯一确定了一个状态。

将确定有限自动机转换为程序段时，也需要使用状态转换图中的方法

DFA M：确定有限自动机的那个五元式

正规式和正规集是一一对应的，DFA可以表达正规式，所以DFA可以表达正规集

如果允许是一个多值函数，那么就需要用到非确定性有限自动机

非确定有限自动机

定义

一个非确定有限自动机（NFA） M是一个五元式： M = { S , Σ , δ , S 0 , F } M =\{S,\Sigma,\delta,S_0,F\} M={S,Σ,δ,S0​,F}，其中：

1. S是一个有限集，它的每一个元素称为一个状态
2. $\Sigma$是一个有穷字母表，它的每个元素称为一个输入字符
3. $\delta$是一个从$S\times {\Sigma }^{\ast }$至S的子集的映射，即$\delta :S\times {\Sigma }^{\ast }\to 2^s$
4. $S_0\subseteq S$是一个非空初态集
5. $F\subseteq S$是一个终态集（可空）

一个含有m个状态和n个输入字符的NFA可用一张如下的状态转换图来表示：该图含有m个状态结点，每个结点可以射出若干条弧与别的结点相连接，每条弧用${\Sigma }^{\ast }$中的一个字（可以是不同的字，也可以是空字）做标记，整张图至少含有一个初态结点和若干个（可以是0个）终态结点。某些结点既可以是初态结点也可以是终态结点

例子

例一

下图所示的状态转换图$S,\Sigma ,{\Sigma }^{\ast }$如下：

看箭弧上标的是字母还是串

• 如果是串（或者包含$\epsilon$），则是NFA
• 否则是DFA

x，y是引入的一个状态节点，确保初态结点和终态结点只有一个，箭弧使用空字来表示

对于${\Sigma }^{\ast }$中的任何一个字$\alpha$，若存在一条从某一初态结点到某一终态节点的道路，且这条道路上所有弧上的标记字依照顺序连接成的字（忽略$\epsilon$）等于$\alpha$，则称$\alpha$可以为NFA M识别

在本例中，从初态x到终态y的连接通路弧上，有如下标记字：$\epsilon \epsilon aa\epsilon \epsilon$，去除$\epsilon$，为aa，所以字aa可以被NFA接受

例二

语言：正确的有效的串的集合，与正规式对应的正规集

例三

DFA与NFA的区别

DFA可以看成是NFA的特例

• 从状态图看NFA和DFA的区别
  • NFA可以有多个初态
  • 弧上的标记可以是${\Sigma }^{\ast }$中的一个字（甚至可以是一个正规式），而不一定是单个字符
  • 同一个字可能出现在同状态射出的多条弧上
• DFA是NFA的特例

	NFA	DFA
初始状态	不唯一	唯一
弧上的标记	字（单字符字、$\epsilon$）	字符
转换关系	非确定	确定

确定化

这里有一道大题，比较简单

$\epsilon$_CLOSURE（I）定义

DFA是NFA的特例，可以采用子集法将NFA确定化

假定I是NFA M的状态集的一个子集，我们定义$\epsilon$_CLOSURE（I）为：

• 若$s\in I$，则$s\in \epsilon \_\text{CLOSURE(I)}$
• 若$s\in I$，那么从s出发经过任意条$\epsilon$弧而能到达的任意状态$s^{\prime }$，都属于$\epsilon \_\text{CLOSURE(I)}$
• 状态集$\epsilon \_\text{CLOSURE(I)}$称为I的$\epsilon$_闭包，即空字闭包

$Ia$定义

假定$I$是NFA M的状态集的子集，$a\in \Sigma$，定义：$Ia=\epsilon \_\text{CLOSURE(J)}$

其中，$J$是那些可从$I$中的某一状态结点出发经过一条$a$弧而到达的状态结点的全体

一般都是先经过$a$的一步转移，然后再找空字闭包

子集算法

1. 表的初始化构造

Σ = { a 1 , a 2 , . . , a k } \Sigma=\{a1,a2,..,ak\} Σ={a1,a2,..,ak}。先构造一张表，该表的每一行含有$k+1$列。置该表的首行首列为$\epsilon \_\text{CLOSURE(I)}$

2. 处理表的一行

这里简化成了只有两个元素

如果某一行的第一列的状态子集已经确定，例如记为$I$，那么，求出这一行的第二个和第三个子集$I_a$和$I_b$看它们是否已在表的第一列出现，将未出现的填入到后面空行的第一列中。

3. 重复处理

重复上述过程，直至所有第二列和第三列的子集均已在第一列上出现了为止

例子

例一

处理步骤：

• 找初始节点的空字闭包，写到第一行的第一列

• 再找一步转移闭包，再找空字闭包，写第一行的后面所有各列

• 然后看该集合是不是在第一列出现了

  • 如果没出现把他写到第一列继续处理

• 直到全部处理结束

最后得到如下图右侧的表格所示的状态转换矩阵

对右下图表中的所有子集重新命名，得到左图中的状态转换矩阵，从而得到相应的DFA。如图所示：

初态结点标记为0，其他继续往上加

包含了原终态结点的最后在状态转换图上全部都要画成终态结点，即两个圈圈的节点

例二

如果给的结点有多个初始结点，需要自己引入X转化为只有一个初始结点的NFA然后再开始化简

题目：使用子集法将非确定性有限自动机转换为确定有限自动机时，首先要引入状态结点X，其目的是为了解决初态节点的惟一性

正规文法与有限自动机的等价性

对于正规文法G和有限自动机M，如果$L(G)=L(M)$，则称G和M是等价的

关于正规文法和有限自动机的等价性，有以下结论：

• 对于每一个正规文法G，都存在一个有限自动机M，使得$L(M)=L(G)$
• 对于每一个有限自动机M，都存在一个正规文法G，使得$L(M)=L(G)$

正规式与有限自动机的等价性

L（r）是正规集，L（G）是有限自动机可以识别的符号集合

关于正规式和有限自动机的等价性，有以下结论：

• 对于任何有限自动机M，都存在一个正规式r，使得$L(r)=L(G)$
• 对于任何正规式r，都存在一个有限自动机M，使得$L(M)=L(r)$

这里的证明好像是可以不用会，看着了解一下就ok

确定有限自动机的化简

一个确定有限自动机的化简是指：寻找一个状态数比M少的DFA M’，使得$L(M)=L(M^{\prime })$。

一个DFA M的状态数最少化过程旨在将M的状态集分割成一些不相交的子集，使得任何不同的两个子集中的状态都是可区别的，而同一子集中的任何两个状态都是等价的。最后，在每个子集中的任何两个状态都是等价的。最后，在每个子集中选出一个代表，同时消去其他等价状态。

化简步骤：

• 先按终态和非终态结点进行分组
• 在两个组分别做一步转移（注意这里不用再找空字闭包了，因为已经是DFA了，DFA中不包含空串）
• 观察两个组的后继结点是不是前继结点的子集，如果不是则要进一步分割，如果是就不用了
• 根据后继结点是否相同进行分割
• 将分割后的结点写在左侧进行进一步的划分

例子

请化简如下DFA M：

• 根据是否为终态结点划分为两个组： { 3 , 4 , 5 , 6 } , { 0 , 1 , 2 } \{3,4,5,6\},\{0,1,2\} {3,4,5,6},{0,1,2}

• 其次，考察 { 3 , 4 , 5 , 6 } \{3,4,5,6\} {3,4,5,6}，由于 { 3 , 4 , 5 , 6 } a \{3,4,5,6\}_a {3,4,5,6}a​和 { 3 , 4 , 5 , 6 } b \{3,4,5,6\}_b {3,4,5,6}b​都包含于 { 3 , 4 , 5 , 6 } \{3,4,5,6\} {3,4,5,6}，所以它不能再划分

• 再考察 { 0 , 1 , 2 } \{0,1,2\} {0,1,2}，由于 { 0 , 1 , 2 } a = { 1 , 3 } \{0,1,2\}_a=\{1,3\} {0,1,2}a​={1,3}，它既不包含于 { 3 , 4 , 5 , 6 } \{3,4,5,6\} {3,4,5,6}，也不包含于 { 0 , 1 , 2 } \{0,1,2\} {0,1,2}中，因此，他要划分，由于状态1经过$a$弧到达状态3，而状态0,2经过$a$弧到达状态1，因此，应该把1分出来，形成 { 1 } \{1\} {1}、 { 0 , 2 } \{0,2\} {0,2}

• 再考察 { 0 , 2 } \{0,2\} {0,2}，由于 { 0 , 2 } b = { 2 , 5 } \{0,2\}_b=\{2,5\} {0,2}b​={2,5}，它没有包括在上述三组中，因此他要划分，形成 { 0 } \{0\} {0}， { 2 } \{2\} {2}

• 至此，整个划分有4个组： { 3 , 4 , 5 , 6 } \{3,4,5,6\} {3,4,5,6}， { 1 } \{1\} {1}， { 2 } \{2\} {2}， { 0 } \{0\} {0}。每个组都不可再划分，令状态3代表 { 3 , 4 , 5 , 6 } \{3,4,5,6\} {3,4,5,6}，把原来到达4,5,6状态的弧都导入3，并删除4,5,6.这样就得到了下图----化简后的DFA

S	a	b
{0,1,2}	{1,3}	{2,5}
{3,4,5,6}	{3,5,6}	{4,5}
{0,2}	{1}	{2,5}
{1}	{3}	{2}
{0}	{1}	{2}
{2}	{1}	{5}

问题：在化简有限自动机的方法中，对其状态集合进行第一次划分时，正确的做法是划分为终态结点和非终态结点