正则表达式与自动机c语言,正则表达式匹配与自动机

自动机的核心就是“状态”和“状态转移”，所以自动机又叫状态机。而动态规划也恰好是“状态”与”状态转移“。自动机又分为DFA与NFA，DFA一个输入对应一个状态转移，转移过程是确定的，而NFA一个状态输入对应多个转移方程

在LeetCode正则表达式匹配这道困难题目中，很明显*号对应着一个NFA，初始的状态为*号前面的字符，输入状态为*号，状态的转移分为匹配该字符零次和匹配该字符n次(n>=1)时text和pattern的移动位置，把匹配零次等同于状态机中的跳空，初始状态及该状态跳空即匹配零次的集合还能再接受pattern(i) == text(j)或者pattern(i)==.的输入，即

子集A为匹配零次即置空的状态，该子集接受两个输入称为a和b，得到子集B和子集C，再以此由B和C继续接受输入，依次循环。

而当*号匹配当前字符n次时，也同样可以抽象出一个DFA的初始状态，即当前字符相等时，进入text(i+1)&&pattern(j)的状态，接下来步骤跟匹配零次差不多。

最后合并*号所有的情况就是，该匹配算法是个接受三个初始状态的nfa，当前pattern(i)==text(j)||pattern(i)==.,即算法中的first_match变量，该变量的两个状态再加上第二位是否有*号的状态判断，可知总共有三个初始状态

所以该nfa转为dfa，该dfa的初态就要包含这三个状态，终态和nfa一样，都即pattern和text同时为空时。

下面为递归代码，可以说模拟了nfa的匹配过程

public boolean isMatch(String text, String pattern) {

//递归回溯结束点

if (pattern.isEmpty()) {

return text.isEmpty();

}

boolean first_match = (!text.isEmpty() &&

(pattern.charAt(0) == text.charAt(0) || pattern.charAt(0) == '.'));

//如果pattern长度大于2并且第二位是*，这一步isMatch3(text, pattern.substring(2)可以判定用到*匹配零个前字符isMatch3(text, pattern.substring(2)

if (pattern.length() >= 2 && pattern.charAt(1) == '*') {

//这个匹配判定用到*匹配零个前字符

return (isMatch3(text, pattern.substring(2)) ||

//这个匹配判定*代表n个字符

(first_match && isMatch3(text.substring(1), pattern)));

} else {

//判定第二位不是*的情况都移位判定，每回递归只判断第一位，直到空

return first_match && isMatch3(text.substring(1), pattern.substring(1));

}

}

下面是动态规划解法

classSolution {public booleanisMatch(String s, String p) {int ls = s.length(), lp =p.length();boolean[][] dp = new boolean[ls + 1][lp + 1];

dp[0][0] = true;for(int j = 2; j <= lp; j++)

dp[0][j] = dp[0][j - 2] && p.charAt(j - 1) == '*';for(int i = 1; i <= ls; i++) {for(int j = 1; j <= lp; j++) {int m = i - 1, n = j - 1;if(p.charAt(n) == '*')

dp[i][j]= dp[i][j - 2] || dp[i - 1][j] &&(s.charAt(m)== p.charAt(n - 1) || p.charAt(n - 1) == '.');else if(s.charAt(m) == p.charAt(n) || p.charAt(n) == '.')

dp[i][j]= dp[i - 1][j - 1];

}

}returndp[ls][lp];

}

}

来源：https://www.cnblogs.com/moonyaoo/p/12834067.html