一.正则表达式转换为有限状态自动机:正则表达式转NFA

原文:https://study.163.com/course/courseMain.htm?courseId=1002830012

一.有限状态自动机的分类
有限状态自动机,其实可以分成两类。第一类是我们上面给出的,叫做确定性有限状态自动机: Deterministic finite automaton 简称DFA. 确定性的状态机有一个特点,就是给定当前状态和输入字符,那么下一个状态就能被唯一确定。例如基于上图,在状态1时,接收到字符0-9,那下一个状态一定只能是1,如果接收到字符 . ,那下一个状态,就一定只能是2. 更严谨的说, DFA 是这样一种自动机,从给定状态出去的边都对应着一个确定的字符,同时,从一个状态出去的两条边,他们对应的字符必定是不同的。
对应于DFA, 另一种状态机叫非确定性有限状态机: Nondeterministic finite automaton, 即NFA. 在实践中,要想顺利的将正则表达式转换为自动机,需要NFA的帮助。NFA 的特点是,从一个状态出去的两条边,可以有相同的对应字符。或者它的边可以对应一种特殊的字符叫”空”字符,该字符对应的符号是: ℇ. 这种边表示,不需要任何输入,就可以从当前状态进入下一个状态。
举个例子,表达式(and | any) , 它对应的DFA如下:
在这里插入图片描述
从初始状态开始,分化出两条边,两条边对应的字符是一样的
在这里插入图片描述
或者:
从初始状态分化两条对应字符为空字符的边,然后分别进入两个对应的状态机.
在这里插入图片描述
第二种NFA在程序设计中容易实现,因此,在下一节的代码中,我们将采用第二种NFA的实现模式。
NFA有一个明显的弱点就是,在代码设计中,很难用数据结构来对它进行表示。特别是,当对应于一个输入字符,NFA可以跳转到多个状态,那么,要想利用NFA去识别输入字符串就比较困难。一般而言,使用NFA的程序都需要经过下两个步骤:将正则表达式转换为NFA, 将NFA转换为DFA. 在后面的讨论中,我们将通过代码来展示这两种转换.

Thompson 构造法:
将正则表达式转换为NFA的算法是由贝尔实验室的Ken Thompson 给出的,这哥们跟丹尼斯.里奇共同开发了Unix, 而他开发了C语言的前身 B 语言。
算法如下:
最简单的正则表达式是单字符匹配,例如 a 匹配输入字符”a”, 那么该表达式的NFA 构造如下:
在这里插入图片描述
那么,两个这样的正则表达式合成的连接表达式ab 可以表示如下:
在这里插入图片描述
实际上,它是先分别构造出两个表达式的NFA, 然后通过一条ℇ边,将两个NFA首尾连接起来。
下面我们看看,两个表达式进行 OR 操作的时候 | ,NFA怎么构造,构造图如下:
在这里插入图片描述
要构造两个表达式的或操作: exp1 | exp2, 根据图示,首先分别构造两个表达式exp1 , exp2 各自的NFA: NFA1(上头虚线框), NFA2(下头虚线框), 然后再构造两个状态,初始状态(开头圆圈节点),和结束状态(末尾圆圈节点),初始状态延生处两条 ℇ 边,分别指向NFA1 和 NFA2 的开头,然后NFA1 和 NFA2的结尾各自延生出一条ℇ边,分别共同指向结束状态。

我们再看看 a | b 的NFA图:
在这里插入图片描述
其原理跟前面所描述的是一样的。上头虚线框是表达式 a 的NFA, 下头虚线框是表达式 b 的NFA. 两个NFA的连接跟前面描述的一模一样
如果表达式是( (a|b) | cd) 呢,算法也同理,先构造 a | b 的NFA图,然后构造cd的NFA图。最后根据前面所说的办法,再将两个NFA连接起来:
上头大虚线框是 (a|d) 的NFA, 下头长匾虚线框是 cd的NFA. 然后首尾通过两个状态节点和ε边连接起来。
在这里插入图片描述
大家可以看到, Thompson构造算法其实是一个自我递归的过程
我们再看看相应的闭包操作的构造过程:
exp* 的NFA:
如果是自我从复0次,那直接从下面的边走到末尾节点。
在这里插入图片描述
exp+(至少重复一次) 的NFA:
在这里插入图片描述
exp? (重复0或1次)的NFA:
在这里插入图片描述
任何复杂的正则表达式它的NFA的构造都是上面几种构造的组合, 例如表达式
(D*.D | D.D*)
构造算法如下:
1.构造 D 的NFA:
在这里插入图片描述
2.构造 D*(跟左边的图对应):
在这里插入图片描述
3.构造 D*.D (由于.在正则表达式中是特殊字符,如果要仅仅想要表达它的符号内容,要在前面加上反斜杠做转义):
. 号的前部分是D*, 后部分是 D 的NFA.
在这里插入图片描述
4.构造 D.D*, 该表达式的NFA其实就是将上图 . 后面的部分挪到开头。
5.根据OR 的构造法, 构造整个表达式 (D*.D | D.D*)的NFA:
上头是 D*.D 的NFA, 下头是 D.D*的NFA
在这里插入图片描述
再复杂的表达式的NFA的构造,都是几种基础构造的重复组合运用。

  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值