手工打造编译器之词法分析2

1.5 正则表达式和有限自动机

有限自动机是状态的集合以及连接这些状态的边，边上的权值是转化的条件。每个有限自动机有初态和终态。典型的有限自动机如下图

 

 

初态为蓝色，终态为红色.

正则表达式和有限自动机是一一对应的，而且有限自动机易于编程实现，所以判断一个字符串是否符合某个正则表达式可以用有限自动机来判断。

1.6  正则表达式向有限自动机的转换

Step 1：去掉特殊符号＇．＇，＇－＇，＇＼＇。这些符号用字符集合代替，如ａ－ｚ，转化为从ａ到ｚ的字符集合。

Step 2：根据符号优先级，生成逆波兰表达式。

Step 3：根据逆波兰表达式组装成有限自动机。

下表是典型的正则表达式向有限自动机的转换的中间步骤。

	breakRegExp	RegExp_to_revPolishExp
[_a-zA-Z][_a-zA-Z0-9]*	symbol: [_a-zA-Z] act: e_cat symbol: [_a-zA-Z0-9] act: e_rep_0ormore	symbol: [_a-zA-Z] symbol: [_a-zA-Z0-9] act: e_rep_0ormore act: e_cat
[0-9]*	0123456789 act: e_rep_0ormore	symbol: 0123456789 act: e_rep_0ormore
([0-9]+/.[0-9]*)| ([0-9]*/.[0-9]+)	act: e_lParenth symbol: 0123456789 act: e_rep_1ormore act: e_cat symbol: . act: e_cat symbol: 0123456789 act: e_rep_0ormore act: e_rParenth act: e_alt act: e_lParenth symbol: 0123456789 act: e_rep_0ormore act: e_cat symbol: . act: e_cat symbol: 0123456789 act: e_rep_1ormore act: e_rParenth	symbol: 0123456789 act: e_rep_1ormore symbol: . act: e_cat symbol: 0123456789 act: e_rep_0ormore act: e_cat symbol: 0123456789 act: e_rep_0ormore symbol: . act: e_cat symbol: 0123456789 act: e_rep_1ormore act: e_cat act: e_alt