正规式转换到非确定有穷自动机转换的一般算法

要求

• 用C++ 实现；
• input.txt描述正规式，需要编程加以解析，该文件规定的格式为：第一行写处正规式的符号集，规定符号集为0-9共10个数字符，第二行写正规式，如：
  • 0123456789
  • (0|1)*0.10* （注：*表示闭包运算，.表示连接该符号可省略）
• output.txt为描述非确定有穷自动机的文件，有程序生成，生成时需按如下格式：
  • 第一行写出状态集，用大写字母A-Z表示，如：ABCD
  • 第二行描述自动机的符号集为0-9共10个数字符，如：0123456789
  • 第三行写初态集，如：A
  • 第四行写终态集，如：CD
  • 第五行写出转移函数,如(A,0,B)表示A状态的出边0到达B状态。上例正规式可表为(A,0,A)(A,1,A)(A,0,B)(B,1,C)(C,0,D)(D,0,D)。

思路

使用Thompson构造法，输入为字母表Σ上的正规式，输出为相等的NFA。具体方法为：

首先将构成r的各个元素分解，对于每一个元素，按下述规则1和规则2生成NFA。（注意：如果r中记号a出现了多次，那么对于a的每次出现都需要生成一个单独的NFA。）之后依照正规表达式r的文法规则，将生成的NFA按照下述规则3组合在一起。

• 规则1 对于空记号ε，生成下面的NFA。
  
• 规则2 对于Σ的字母表中的元素a，生成下面的NFA。
  
• 规则3 令正规表达式R和S的NFA分别为N(R)和N(S)。
• 对于R|S，按照以下的方式生成NFA N(R|S)。
  
• 对于RS，按照以下的方式生成NFA N(RS)。
  
• 对于R*，按照以下的方式生成NFA N(R*)。
  

流程图

• 总体流程图
  
• 在正规式中加入省略的连接符
  
• 将式子转为后缀表达式
  
• 将后缀表达式转换成NFA
  

数据结构

struct edge
{
	char weight;
	char next;
};

string option,expression, suffix, infix, postion;
map<char, int> precedence;
map<char, vector<edge>> nfa;
vector<string> tfunction;
// 具体解释如下：
// edge：NFA图中的边；
// option：输入的符号集；
// expression：输入的正规式；
// infix：增加连接符的正规式；
// suffix：转换成的后缀表达式；
// postion：状态集；
// precedence：规定运算符优先级；
// nfa：生成的NFA（使用map生成了一个char与edge向量的映射，char代表NFA中的顶点，也就是生成了一个顶点与从顶点出发边的集合的映射）；
// tfunction：转移函数。

代码详见 Github上，欢迎star！