编译原理小结——字符和字符串之间的游戏

前记：第一次使用LaTeX编辑公式，这个东西不错~让我意识到了转义符号’\’的强大威力！
吐槽：本人使用清华大学出版社的《编译原理》第二版，这本书真TM抽象，各种乱七八糟的形式化定义一个接着一个，看得我吐血了。考前突击，花了四天时间硬是把这本书的核心部分啃下来了，写下了8千字的”小”结~
《编译原理》（清华出版社）教材链接

---

1 词法分析 lexical analysis

词法分析是编译的第一个阶段：主要是从左至右逐个字符地对字符流的源程序(比如.c 和 .cpp)进行扫描，产生一个个单词(token)序列。简而言之：读入源程序，输出单词符号。单词符号是一个程序设计语言的基本语法符号，一般分为以下5种：

1. 关键词：for, while, if, else, double, int
2. 标识符：自己声明的变量、类/对象
3. 常 数 ：”hello, world”, 12345
4. 运算符： >, =, ==, +
5. 界 符 ： 逗号，分号，花括号

按理说，词法也是语法的一部分。不过编译器把词法分析从语法分析中独立出来，是因为有些好处：

1. 使整个编译程序的结构更加简洁、清晰、条理化
2. 编译程序的效率会改进
3. 增强程序的可移植性

词法分析做的一些细节工作：滤掉程序中的注释和空白（空白即空格、换行符、制表符） ；记录读入字符行的行号（比如编译器会提示error在第几行）； 完成预处理，比如C/C++的#defile

正规集有两种表示工具：正规文法(3型文法)和正则式，正规集是正规文法所定义的语言和正规式所表示的集合。两种表示方法是等价的，可以互相转换。正则式即正则表达式，它由递归定义：首先设字母表是$\sum$，辅助字母表是$\sum^{'}=\{ \ \sum\ ,\ \varepsilon\ , \ \mid \ ,\ \cdot \ ,\ (\ ,\ )\ \}$

1. $\varepsilon$和$\varnothing$都是$\sum$上的正规式，它们表示的正规集分别为$\{ \varepsilon \}$和$\varnothing$
2. 任何 a$\in\sum$，a 是$\sum$上的一个正规式，它表示的正规集为$\{ a \}$
3. 假定$e_1 和 e_2$都是$\sum$上的正规式，它们表示的正规集分别为L($e_1$)和L($e_2$)，那么$\ (e_1)\ ,\ e_1\mid e_2\ ,\ e_1\cdot e_2\ , \ e_1^{*}$ 也都是正规式，它们表示的正规集分别为 $L(e_1)\ ,\ L(e_1) \bigcup L(e_2)\ ,\ L(e_1)L(e_2)\ ,\ (L(e_1))^{*}$
4. 仅由有限次使用上述三步而定义的表达式才是$\sum$上的正规式，仅由这些正规式所表示的字集才是$\sum$上的正规集。可以看出经过递归调用，正规集 L“越来越大”

有穷自动机是一种识别装置，可以准确的识别正规集。分为两类：NFA（Nondeterministic Finite Automata，不确定的有穷自动机) 和 DFA(Deterministic Finite Automata，确定的有穷自动机) ，它们都可以用五元组 $M( K, \sum, f, S, Z )$ 表示。K 表示状态的有穷集，$\sum$表示字母表，f 表示状态转移的方法，S 是初态，Z 是终态。NFA 和 DFA的差距主要体现在 f 上面：DFA的 f 是“确定的”函数，某一个状态，输入某个字符，可以确定转移到哪一个状态上面去；NFA 的 f 的状态转移是不确定的映射，某一个状态，输入某个字符，可能转移到很多个状态上面去，不确定到底转到哪一个状态去。S 也有一点区别，DFA的 S 是唯一的，NFA 的 S 可能有多个。

NFA通过子集法可以转换到DFA，子集法的要点是掌握两种运算：闭包运算和弧转换运算。这里必考大题：正则式 –> NFA –> DFA，主意事项：1.确定化的时候不重复，不遗漏；2.假设NFA中的终态是Z，Z可能出现在DFA的多个状态中，那么这些出现过Z的状态都是终态，所以DFA中的终态可能会有多个；3.在“填写表格”（确定化）的时候，别忘记闭包了（虽然一些题目没有涉及$\varepsilon$），DFA的初态就是NFA初态的闭包，后面是不断先弧转换再闭包；4.DFA的初态的前面，不要忘记 $\Rightarrow$。可能会遇到DFA最小化的题目，此时采用分割法：首先分成终态和非终态两个状态两个子集，然后不断尝试分割这些子集，直到不能继续分割为止。

---

2 语法分析 grammar analysis

1 概念

一个程序设计语言是一个记号系统，它的完整定义应包括语法和语义两个方面。所谓语言的语法是指一组规则，用它可以形成和产生一个合适的程序。语法定义什么样的符号序列式合法的。

重要概念和定义：

• 字母表：元素的非空有穷集和。字母表中的元素称为符号，字母表又称符号表，一般用$\sum$表示
• 符号串：由字母表中的符号所组成的任何有穷序列。
• 符号串集合：若集合A中的一切元素都是某字母表上的符号串，则称A为该字母表上面的符号串集合
• 闭包：$\sum^{*}$，$\sum$上的所有有穷串的集合 。$\sum^{*}=\sum^{0}\bigcup\sum^{1}\bigcup\sum^{2}...\bigcup\sum^{n}...$
• 正闭包：$\sum^{+}$，在$\sum^{*}$中去除$\sum^{0}$即可
• 规则，又称产生式，形如 $\alpha\rightarrow\beta$ 的有序对，读作“定义为”
• 文法 G定义为四元组 (Vn,Vt,P