编译原理——正规表达式与有限自动机(笔记)
一、正规式和正规集
正规集:程序设计语言的单词表、词汇集构成的集合,即是字的集合。它有一定特殊性,我们称之为正规集。用来代表程序语言的单词表。
正规式:可以说是正规集的名称。
- 正规集可以用正规表达式(简称正规式)表示
- 正规表达式是表示正规集一种方法
- 一个字集合是正规集当且仅当它能用正规式表示
比如,冯诺依曼构造自然数的方案,使用集合来定义(正规集),表达式来表达(正规式):
集合 | 表达式 |
|
0 |
|
1 |
|
2 |
|
3 |
再比如:
DIM单独来说是一个正规式,也可以表达含有DIM和空集的正规集,即{DIM,}。
DIM,IF可以当作一个正规式,则{DIM,IF,}为其对应的正规集。
二、正规式和正规集的递归定义
对给定的字母表(为字母表):
和
都是
上的正规式,它们所表示的正规集为
和
- 任何
, 则
是
上的正规式,它所表示的正规集为
- 假定
和
都是
上的正规式,它们所表示的正规集为
和
,则:
1)为正规式,它所表示的正规集为
2)为正规式(做连接),它所表示的正规集为
(连接)
3)为正规式,它所表示的正规集为
(闭包)
优先级:‘’比‘|’高
仅由有限次使用上述三步骤而定义的表达式才是上的 正规式,仅由这些正规式表示的字集才是
上的正规集。
所有词法结构一般都可以用正规式描述
若两个正规式所表示的正规集相同,则称这两个正规式等价。如 b(ab)*=(ba)*b
证明
左侧:
L(b(ab)*)
= L(b)L((ab)*)
= L(b)(L(ab))*
= L(b)(L(a)L(b))*
= {b}{ab}*
= {b}{
,ab, abab,ababab,…}
= {b,bab,babab,bababab,…}
右侧:
L((ba)*b)
= L((ba)*)L(b)
= (L(ba))*L(b)
= (L(b)L(a))*L(b)
= {ba}*{b}
= {
,ba,baba,bababa,...}{b}
= {b,bab,babab,bababab,...}
由于:L(b(ab)*) = L( (ba)*b)
因此:b(ab)*=(ba)*b
等价成立式
|
=
|
交换律
|(
|
) = (
|
)|
结合律
(
) =(
)
结合律
(
|
) =
|
分配律
(|
)
=
|
分配律
=
=
!=
三、有限自动机(Finite Automata)
确定与非确定统称为有限自动机。
1.确定有限自动机(DFA,Deterministic Finite Automata)
对状态图进行形式化,则可以下定义:
确定有限自动机 (DFA) M 是一个五元式
此处M是指其DFA实例: DFA M
M=(S, , f,
, F),其中:
1.S:有穷状态集,即包含起点重点在内的,各个状态
2.:输入字母表(有穷),即状态改变的条件
3.f:状态转换函数,为 的单值部分映射,即由A状态到B状态的改变
f(s,a) = s’ 表示:当现行状态为s ,输入字符为a时,将状态转换到下一状态s’,s’称为s的一个后继状态
4.:是唯一的一个初态,即起点唯一
5. :终态集(可空),即最终状态,不唯一。
比如:
DFA M=({0,1,2,3},{a,b},f,0,{3}),
其中,f 定义如下:
f(0,a) = 1, f(0,b) = 2
f(1,a) = 3, f(1,b) = 2
f(2,a) = 1, f(2,b) = 3
f(3,a) = 3, f(3,b) = 3
如上图所示,DFA 可以表示为状态转换图
- 假定 DFA M含有m个状态和n个输入字符
- 这个图含有m个状态结点,每个结点顶多含有 n 条箭弧射出,且每条箭弧用 Σ 上的不同的输入字符来作标记
对于Σ * 中的任何字,若存在一条从初态到某一终态的道路,且这条路上所有弧上的标记符连接成的字等于
,则称
为DFA M 所识别(接收)
DFA M 所识别的字的全体记为 L(M)
换言之,从初态到终态的字符,构成了一个字(一个字符也可以定义为一个字)。而所有的初态到终态可形成的字的集合就是字符集。
字与字的组合(或者单个字)可以作为一个正规式,其所代表的就是正规集。
2.非确定有限自动机 (NFA,Nondeterministic Finite Automata)
一个非确定有限自动机 (NFA) M,
是一个五元式 M=(S, , f,
, F) ,其中:
1.S: 有穷状态集
2.:输入字母表(有穷)
3.f: 状态转换函数,为的部分映射
4. :是非空的初态集
5 :终态集 ( 可空 )
对于 * 中的任何字
,若存在一条从初态 到某一终态的道路,且这条路上所有弧上 的标记字连接成的字等于
( 忽略那些标记为
的弧 ) ,则称
为 NFA M 所识别 ( 接 收 )
NFA M 所识别的字的全体记为 L(M)
NFA示例:
3.区别
DFA:
- 如有后继状态,则其后继状态是唯一的
- 只有一个初态
- 弧上标记仅能为长度为1的字或单个字符
- 易于程序实现
NFA:
- 给定当前状态,其后继状态不是唯一的。
- 可有多个初态。
- 弧上的标记可以是字符、字,还可以是正规式。
- 同一个字可以出现在同状态的多条弧上
- 易于人工设计
DFA是NFA的特例
4.NFA与DFA
定义:对于任何两个有限自动机M和M’ ,如果L(M)=L(M’),则称 M 与 M’ 等价
自动机理论中一个重要的结论:判定两个自动机等价性的算法是存在的
对于每个NFA M 存在一个DFA M’,使得L(M)=L(M’)
DFA 与 NFA 描述能力相同
5.将NFA等价转换为DFA
1.假定 NFA M=<>,我们对M的状态转换图进行以下改造:
1) 引进新的初态结点X和终态结点Y,X,YS,从X到
中任意状态结点连一条
箭弧,从F中任意状态结点连一条
箭弧到 Y 。
(即,我们给一个NFA M多个初态前加了一个状态,使得其有唯一初态,末态同理)
2) 对M的状态转换图进一步施行替换,其中k是新引入的状态。
(即,我们将aa,bb这样的换位下图3,4过程)
替换方法
通过上述过程,逐步把这个图转变为每条弧只标记为上的 一个字符或
,
最后得到一个 NFA M’ , 显然 L(M’)=L(M)
2.接着我们再把把上述 NFA 确定化——采用子集法
概念
设 是的状态集的一个子集,定义
的
- 闭包,
- closure(
) 为 :
i) 若 s ,则 s
-closure(I) ;
ii) 若 s ,则从 s 出发经过任意条
弧而能到达的任 何状态 s’ 都属于
-closure(
) 即
-closure(
)=
{s’| 从某个 s‘| 出发经过任意条
弧 能到达 s’
设 是
中的一个字符,定义
=
-closure(J)
其中, J 为 中的某个状态出发经过一条
弧而到达的状态集合。
比如
-closure({1}) = {1 , 2} =
(从1出发,看与它距离一个
的状态,就为
)
J = {5 , 4 , 3}(从 -closure({1}) 出发,需要经过一个
距离的状态就是J)
=
-closure(J) =
-closure({5 , 4 , 3}) = {5 , 4 , 3 , 6 , 2 , 7 , 8}
6.正规式与有限自动机的等价性
- 对任何 FA M ,都存在一个正规式 r , 使得 L(r)=L(M) 。
- 对任何正规式 r ,都存在一个 FA M , 使得 L(M)=L(r) 。
证明:
1.对上任一 NFA M ,构造一个
上的正规 式 r ,使得 L(r)=L(M) 。
- 首先,在 M 的转换图上加进两个状态 X 和 Y ,从 X 用
弧连接到 M 的所有初态结点,从 M 的所有终态结点用
弧连接到 Y ,从而形成一 个新的 NFA ,记为 M’ ,它只有一个初态 X 和一个终态 Y ,显然 L(M)=L(M’) 。
- 然后,反复使用下面的一条规则,逐步消去的 所有结点,直到只剩下 X 和 Y 为止
- 最后, X 到 Y 的弧上标记的正规式即为所 构造的正规式 r
- 显然 L(r)=L(M)=L(M’)
替换方式即为之前的相反方向。
注意,要保留下每一个状态。比如下图,我们将1.左上的图变换至右上的图,2.再将右上的图变为最下面的图。
证明:
2.对于上的正规式r,构造一个 NFA M,使 L(M)=L(r),并且 M 只有一个终态,而且没有从该终态出发的箭弧。
下面使用关于 r 中运算符数目的归纳法证明上述结论。
1)若 r 具有零个运算符,则 r= 或 r=
或 r=a ,其中 a
。此时下图所示的三个有限自动机显然符合上述要求。
左:识别
中:识别空
右:长度为1的字符
2)假设结论对于少于 k(k1) 个运算符的正规式成立。当 r 中含有 k 个运算符时, r 有三种情形:
情形 1 :
和
中运算符个数少于k 。从而,由归纳假设,对
存在
,使得
, 并且
没有从终态出发的箭弧( i=1,2 )。 不妨设
=
,在
中加入两个新 状态
。
情形 2 :
设 同情形 1(i=1,2)
情形 2 :
设同情形1
7.将正规表达式转换为有限自动机的算法
1)构造上的 NFA M’ 使得 L(V)=L(M’)
把 V 表示成
一样的替换逻辑
2)逐步把这个图转变为每条弧只标记为上的 一个字符或
,最后得到一个 NFA M’ , 显然 L(M’)=L(V)
比如:
四、确定有限自动机的化简
是指:对DFA M的化简 : 寻找一个状态数比 M 少的 DFA M’ ,使得 L(M)=L(M’)
假设 s 和 t 为 M 的两个状态,称 s 和 t 等价:如果从状态 s 出发能读出某个字(任意)而 停止于终态,那么同样,从 t 出发也能读出
而停止于终态;反之亦然
两个状态不等价,则称它们是可区别的(存在一个,使得从状态 s 出发能读出某个字(任意)
停止于终态,从 t 出发读出
停止于非终态,或者反过来)
DFA M 最少化的基本思想
把 M 的状态集划分为一些不相交的子集, 使得任何两个不同子集的状态是可区别的 ,而同一子集的任何两个状态是等价的。 最后,让每个子集选出一个代表,同时消去其他状态
按照上述原则,对 DFA 的状态集合 S 进行第 一次划分,将集合分为:终态和非终态。即找到一个字,划分连个状态(比如空字)
对 M 的状态集进行划分
1 首先,把 S 划分为终态和非终态两个子集 ,形成基本划分。
2 假定到某个时候,已含 m 个子集,记为
,检查
中的每个子集看是否能进一步划分:
- 对某个
,令
,若存在 一个输入字符 a 使得
不会包含在现行
的某个子集
中,则至少应把
分为两个部分。
2.1 如何划分为两个部分:
- 假定状态
和
经 a 弧分别到达
和
:
和
属于现行
中的两个不同子集。说明有一个字
,
读出
后到达终态,而
读出
后不能到达终态,或者反之。
- 那么对于字 a
,
读出 a
后到达终态 ,而
读出 a
不能到达终态,或者反之
- 所以
和
不等价
- 将 I (i) 分成两半,使得一半含有
:
,且 s 经 a 弧到达 t, 且 t 与
属于现行
中的同一子集
;另一半含有
:
一般地,对某个 a 和
,若
落入现行
中 N 个不同子集,则应把
划分成 N 个不相交的组,使得每个组 J 的
都落入的
同 一子集。这样构成新的划分。
3 重复上述过程,直到 所含子集数不再增长。
4 对于上述最后划分 中的每个子集,我们选取每个子集
中的一个状态代表其他状态, 则可得到化简后的 DFA M’ 。
5 若 含有原来的初态,则其代表为新的初态 ,若
含有原来的终态,则其代表为新的终态
我们使用上述算法,对下图优化:
首先把其分为两个集合:非终态和终态集合:
随后,我们判断非终态集合:识别a时,发现3不在当前子集中:
于是将抵达1的与抵达3的分开:
在此判断第一个集合,判断识别a时,抵达状态是否在子集;判断识别b时,状态是否在子集中,发现不在:
于是将抵达2的和抵达4的分开:
在此判断,发现非终态集合划分完毕。判断终态,发现均在子集中:
由此可以画出:
五、词法分析器的自动产生 --LEX
Yacc 与 Lex 快速入门
http://www.ibm.com/developerworks/cn/linux/sdk/lex/index.html
UNIX, LINUX
The Lex & Yacc Page
http://dinosaur.compilertools.net/
Flex (The Fast Lexical Analyzer):
http://flex.sourceforge.net/
for Windows:
http://gnuwin32.sourceforge.net/packages/flex.htm
六、正规文法与有限自动机的等价性
对于正规文法 G 和有限自动机 M ,如果 L(G) = L(M) ,则称 G 和 M 是等价的
关于正规文法和有限自动机的等价性,有以下结论:
1. 对每一个右线性正规文法 G 或左线性正规文法 G ,都存在一个有限自动机 (FA) M ,使得
2. 对每一个 FA M ,都存在一个右线性正规文法 和左线性正规文法
,使得
例子:
右线性文法->NFA:
推导:
左线性文法->NFA
推导:
证明:
1.对每一个右线性正规文法 G 或左线性正规文法 G ,都构造一个有限自动机 (FA) M ,使得 L(M) = L(G) 。
(1) 设右线性正规文法 。将
中的每一非终结符号视为状态符号, 并增加一个新的终结状态符号 f ,
。 令
,其中状态转换函数
由以下规则定义:
(a)若对某个 及
, P 中有产生式 A→a ,则令
(A,a)=f
(b) 对任意的 及
,设 P 中左端为 A ,右端第一符号为 a 的所有产生式为: A→
|…|
(不包括 A→a ), 则令
(A,a)={
,…,
} 。
显然,上述 M 是一个 NFA 。
(2) 设左线性正规文法 。将
中的每一非终结符号视为状态符号,并 增加一个初始状态符号
,
。 令 M=
,其中状 态转换函数
由以下规则定义:
(a) 若对某个 及
,若 P 中有产生式 A→a,则令
(
,a)=A
(b) 对任意的 及
,若 P 中所有右端第一符号为 A ,第二个符号为 a 的产生式为:
则令
(A,a)=
。
与 (1) 类似,可以证明 L(G) = L(M)
2.对每一个 DFA M ,都存在一个右线性正规文法 和左线性正规文法 GL , 使得 L(M) = L(
) = L(
) 。
设 DFA
(1)若 ,我们令
,其中 P 是由以下规则定义的产生式集合:
对任何 及 A,B
S ,若有
(A,a)=B ,则:
(a)当 BF 时,令 A→aB
(b) 当 BF 时,令 A→a|aB 。
对任何 ,不妨设
,其中
(i=1,…k) 。若
,则存在一个最左推导 :
因而,在 M 中有一条从 出发依次经过
到达终态的通路,该通路上所有箭弧的标记依次为
。反之亦然。所 以, w
L(GR ) 当且仅当 w
L(M) 。
(2)现在考虑 的情形,
因为 ,所以
。但
不属于上面构造的
所产生的语言 L(
) 。不难发现, L(
)=L(M)-{
} 。
所以,我们在上述 GR 中添加新的非终结符号 , (
)和产生式
,并用
代替
作开始符号。这样修正
后得到的文法
仍是右线性正规文法,并且 L(
)=L(M) 。
(2) 类似于 (1) ,从 DFA M 出发可构造左线性正规文法 ,使得 L(
)=L(M) 。 最后,由 DFA 和 NFA 之间的等价性,结论 2 得证明。
小结
编译原理——正规表达式与有限自动机(笔记)相关推荐
- 正规表达式与有限自动机
1.美图 2.概念 3.正规式和正规集 正规集可以用正规表达式(简称正规式)表示. 正规表达式是表示正规集一种方法.一个字集合是正规集当且仅当它能用正规式表示. 3.1 正规式和正规集的递归定义: 4 ...
- 编译原理——正规式转DFA算法概述
一.概念概述 给定一个单词,判断该单词是否满足我们给定的单词描述规则,需要用到编译原理中词法分析的相关知识,其中涉及到的两个很重要的概念就是正规式(Regular Expression)和有穷自动机( ...
- 编译原理——正规式、NFA转换构造DFA、DFA的化简
一.DFA和NFA的区别 NFA:非确定有限自动机 DFA:确定有限自动机 NFA在同一状态,可以有多条出边,DFA在同一状态,只能有一条出边: NFA的初态可以具有多个,DFA的初态是唯一的: 比如 ...
- 编译原理词法分析中的有限自动机
上一节中我们学习了正则表达式,它可以用来识别模式.这一节讲讲有限自动机.在知道了有限自动机的基本概念之后,会讨论如何把正则表达式转化为实际程序.宏观地,正则表达式依次转化为NFA.DFA和实际程序. ...
- 编译原理 —— 正规式、正规集和正则定义
正规式的定义和运算定律 正规式和正则表达式都是通过一定的语法规则来描述文法,但不是同一个概念. 正规式是一种用来描述正则语言的更紧凑的表示方法 正规式可以由较小的正规式按照特定规则递归地构建.每个正规 ...
- 【笔记】编译原理——第三章 词法分析
目录 编译过程结构框架 3.1 对于词法分析器的要求 3.1.1 词法分析器的功能和输出形式 3.1.2 词法分析器作为一个独立子程序 3.2 词法分析器的设计 3.2.1 输入.预处理 3.2.2 ...
- 《编译原理》课程标准
XX大学软件学院 <编译原理>课程标准 制定人:张晨光 课程代码: 773033 课程名称(中文 / 英文):编译原理 / Compiler Principle 学时( 实验学时 )/ 学 ...
- 《编译原理》实验教学大纲
<编译原理>实验教学大纲 课程编号: 773033 课程名称:编译原理 英文名称:Compiler Principle 课程类型: 模块课 学 时:5 学 分:4 适用对象: 软件开发各专 ...
- 《编译原理》课程教学大纲
<编译原理>课程教学大纲 课程编号:773033 课程名称(中/英文):编译原理 / Compiler Principle 课程类型: 模块课 总 学 时:5学时/周 讲课学时:4学时/周 ...
- 编译原理学习(到LL1文法部分)
今天终于开始着手把一年前学的编译原理整理一下啦!打败拖延症 #*# 机器语言:计算机只认识由0和1构成的机器语言,每台机器自己独特的指令系统即机器语言. 机器语言->汇编语言->高级语言 ...
最新文章
- 征文 | “‘互联网+’背景下大数据与税收征管的深度融合研究” 专题征文启事...
- 给Qt程序加上版本信息
- 第二讲 html5 框架+Crosswalk 打包 app 以及 Angularjs 基础
- Linux设置SSH登录(SecureCrt)
- 如何“漂亮”地解决dota类游戏网络延迟同步?
- 怎么在mysql创建数据库怎么加入学号_数据库怎么创建学生信息表
- Android开发经典笔试面试题汇总(持续更新中)
- 【PL/SQL】学习笔记 (1)一个简单的PL/SQL程序
- HDU 4301 Divide Chocolate
- 《JavaScript 模式》读书笔记
- 2021全球国际化大学排名出炉,这所中国高校喜提世界第一!
- 使用HALCON进行图像分类——图像分类(系统讲解,附模板例程精讲)
- 基于CC2430的Zigbee开发套件【转】
- 友善之臂mini2440使用日志1
- CAD如何安装才是最简单的详细教程方法呈现出来了
- linux红外遥控进程,46.Linux-分析rc红外遥控平台驱动框架,修改内核的NEC解码函数BUG(1)...
- git 重新追踪索引_索引追踪差距
- python怎样使用各个日期赤纬_天文数据处理笔记之python(3)
- iOS10 相关适配问题
- 工作3年的Java程序员如何成功跳槽,7K一飞到22K