《算法》笔记 16 - 正则表达式

• 使用正则表达式描述模式
• 非确定有限状态自动机NFA
• 模拟NFA的运行
  • NFA的表示
  • 构造与正则表达式相对应的NFA
  • NFA的模拟与可达性

除了查找子字符串，在很多时候并不知道被查找模式的完整信息，这时就需要用到正则表达式了。正则表达式在子字符串查找、合法性校验、网络爬虫等方面有着非常广泛的应用。

使用正则表达式描述模式

正则表达式对模式的描述，基于几个基本操作。

• 连接操作，比如AB，表示由A和B连接而成的模式。
• 或操作，或操作可以在模式中指定多种可能的匹配，用"|"表示。
• 闭包操作，闭包操作可以把模式部分重复任意次数，用"*"表示。
• 括号，括号可以改变默认优先级的顺序。
• 在编程语言中使用的正则表达式还有很多其它语法，但都是基于这几种基本操作的。

非确定有限状态自动机

如何根据正则表达式所描述的模式来匹配文本呢？子字符串查找中使用的有序状态自动机DFA会根据文本中的字符改变自身的状态，但正则表达式匹配比子字符串查找更复杂。因为或操作的存在，自动机无法仅根据一个字符就判断出模式是否出现；再加上闭包的存在，自动机甚至无法知道需要检查多少字符才会匹配失败。为了克服这些困难，需要非确定有限状态自动机NFA。

根据Kleene定理，任意正则表达式都存在一个与之对应的非确定有限状态自动机，反之亦然。所以任意正则表达式都可以转换为一个非确定有限状态自动机，然后就可以模式NFA的运行轨迹来进行匹配了。

正则表达式((A*B|AC)D)所对应的NFA如下图ÿ