OO_JAVA_表达式求导_第一弹

---------------------------------------------------表达式提取部分

词法分析

​ 首先，每一个表达式内部都存在不可分割的字符组，比如一个不止一位的数字，或是一个sin三角函数，这样不能分离的字符组我称之为词法单元，依照其定义，可以将第三次作业的表达式分割成如下词法单元：

SPACE：即空格和TAB字符的组合

纯数字：即纯粹由0-9字符集组成

运算符：-、+、*、^，这些都是运算符

三角函数：sin或cos内部不可存在空格

左括号：(

右括号：)

​ 将一串字符解析成词法单元列表的形式，就已经是一层处理了，这一步就可以排查出一些错误，直接抛出异常，然后我们得到了一个由词法单元组成的列表，现在就是采用递归递降的方法线性解析这个列表并生成表达树了。

语法分析

仔细阅读指导书，可以归纳出如下定义：

Num = [-|+]纯数字

Factor = Num | x [^ Num] | sin ( Factor) [^ Num] | cos ( Factor) [^ Num] | (Expr)

Item = [-|+]Factor (*Factor)*

Expr = [-|+]Item ([-|+]Item)*

** 其中[]表示其中的字符存在或不存在皆可；()*表示可选重复0至任意次；| 表示或 **

除Num单元内部，其它语法单元内部可以任意插入SPACE

写作分析函数的原则有两条：

采用分层次的设计思路，从归纳的语法定义就可以看出，需要写一个处理Expr的函数，一个处理Item的函数……需要子结构时调用相应函数即可。

只处理本层次需要处理的字符，遇到非法字符，返回上层调用或者抛出异常；

当然，有人会说，这样只是写一堆递归函数(o(╯□╰)o，我就是这么写的)，没有实行面对对象，其实，递归递降也是可以面对对象的。

模式匹配

首先需要一个Parser接口，实现如下(不一定)函数(为清晰起见，写的很简单)

public interface Parser {

public Atom toAtom();

public Integer getIndex();

public void addParser(Parser parser);

}

分别是一个转换函数，一个获取新遍历下标的函数，一个添加子Parser的函数。

根据不同层级Parser的需要，完成相应函数的重写(Override)即可，举个栗子：

public class ExprParser implements Parser {

ArrayList itemList;

// Integer endIndex; //

private ExprParser() {

itemList = new ArrayList<>();

}

@Override

public Atom toAtom() {

Atom root = new Atom(Atom.Type.PLUS, BigInteger.ZERO);

for (Parser parser:itemList) {

root.addChild(parser.toAtom());

}

return root;

}

@Override

public Integer getIndex() {

return endIndex;

}

public static Parser newParser(String string) {

Parser parser = new ExprParser();

for (int i = 0; i < string.length();) {

if (string.charAt(i) == '-' || string.charAt(i) == '+' ||

string.charAt(i) != ' ' && string.charAt(i) != '\t') {

Parser itemParser = ItemParser.newParser(string.substring(i));

parser.addParser(itemParser);

i = itemParser.getIndex();

} else {

i += 1;

}

}

return parser;

}

@Override

public void addParser(Parser parser) {

itemList.add(parser);

}

}

依旧格式简易，但是只是为了说明怎么重写这样的函数，Atom即最后生成的表达树的节点类或者接口，随个人意。

另外没有显式抛出异常，真正写时需要在返回parser时检查item List是否为空，若为空，则显式抛出异常，进行异常处理。

现在说明一下，这个newParser工厂函数为什么这么写，为了清楚起见，我把Expr的定义重新拉过来：

Expr = [-|+]Item ([-|+]Item)*

这个语法定义告诉我们Expr线性扫描，检查是否有减号或是加号，然后需要获取一个Item，这时调用ItemParser的工厂函数即可，格式异常由不同层级的Parser实现类的工厂函数负责抛出，只要语法分析合理，这样写作是简单无误的。

以此类推，相信读懂了上述抽象的思维方式，写出Item和Factor的Parser对你易如反掌！

OO_JAVA_表达式求导_第二弹

------------------------------------------------表达树的构建

总体来说，按照设计模式上可以分为两类：本次实验还是建议第二种方式(虽然我用了第一种，，::>_<::>

extends 继承，采取一个父类实现所需方法子类重写方法，但是为了统一填充到ArrayList或者HashMap中，必须采取子类cast回父类的方式，这样子类不能有自己的属性，否则无法cast；

implements 实现，采取定义共通的接口，所有节点类重写接口中的方法，如求导方法、化简方法、toString方法。

在第三次作业中，我采用了继承的方案实现树形结构节点的构造，Atom父类实现了非常多的函数，现在的视角来看，是很不合理的，因为Atom负担了所有子类的函数，臃肿累赘，层次是分明了，只有父类Atom和子类各种Atom，但是在工程管理和逻辑架构设计上，还是有所问题的。

下面是我的Atom类图关系，其它类都继承自Atom很复杂把。

OO_JAVA_表达式求导_第三弹

-----------------------------如何将函数式思维带入化简函数

要实现化简合并，最好先完成两个准备工作(一个可选)

expand：展开(可选)，有时会遇见123*(x+123)这样的情况，*与+没有按照优先级组合，而是需要根据乘法分配率展开这样的项；

flat Map：平铺，在处理字符串生成表达树以及求导表达树返回新表达树的过程中，会产生很多如1*(1*(1*x))连乘项或连加项嵌套的结果，平铺可以将之展开成为1*1*1*x的形式，利于下一步的分类和合并。

首先从宏观的角度抽象地理解化简，是怎么一回事，一共两步

classification：分类，将能化简的规整在一起，不能化简的单独存放，最终结果是一个List>，每一个List存放的是可以合并的同类项；

merge：合并，对不同的可合并List进行合并处理，再新建一个父对象，将合并结果依次填回父对象的子节点中，返回父对象。

现在简单说明一下Java8引入的Stream API和lambda表达式(实际上是Functional Interface)

举个栗子，现在我们有一串数字在列表origin中，我们要对他们都平个方，生成一个新列表，正常做法如下：

List after = new ArrayList<>();

for (Integer integer: origin) {

after.add(integer * integer);

}

但是有了Stream API和lambda表达式，就可以这么写：

List after = origin.stream().map(e -> e * e).collect(toList());

Stream流的主要功能有filter(筛选)，map(映射)，flatMap(平铺映射)，collect(收集返回列表或Map或其它)。

需要填充函数接口的参数的来源有两种：

方法引用，比如Integer::add，就是对Integer的加法方法的一个引用，内秉其实是函数接口

lambda表达式，基本形式为(参数列表)->返回值 或 (参数列表)->{语句; return 返回值;}组成。

现在问题来了，为什么要这么写呢？什么时候要写成哪一种形式呢？

这两种写法的主要区别在于逻辑的分离性与可控性：前者循环方式，循环流程完全由你掌控，可操作性极大，同时脑力负担也大一些；后者将循环体隐藏在Stream API的内部，你不需要在控制循环的方方面面，可以一层层地分离逻辑，减轻脑力负担，高效清晰地编写代码。

在循环体内部流程非常简单时，比如上述栗子，你选择哪一种都没有什么问题，无非是代码行数和内部执行效率的区别，但是，在具化到我要讲的classification过程时，也就是可以尽量分离循环体内部操作时，选择Stream API可以清晰地简单地生成新列表，下面就对此说明一下吧。

Classification可以分为四步：

实现一个函数(满足Predicate接口定义)，也就是一个泛化意义上的相等函数，用来判断两项能否合并；

根据先前实现的接口，采用Stream的filter过滤器API，对每个元素，过滤出与之相等(可合并)的元素组成列表；

依照先前产生的列表，统统插入到Map中，为保证key的唯一，采用每一个列表的toString方法结果作为key；

将上述生成的Map的values取出，返回一个列表的列表，实现classification的功能。

上述过程就是一个逻辑不断分离的过程，对应到相加项和相乘项，唯一不同的就是Predicate接口，也是这么思维的意义所在。

这里把后三步的合并加法与合并乘法共通的代码贴出来：

public List filter(Atom atom, Predicate predicate) {

return this.children.stream()

.filter(predicate)

.collect(Collectors.toList());

}

public ArrayList> classify(Predicate predicate) {

Map> map = new HashMap<>();

for (Atom atom : children) {

ArrayList list = (ArrayList) this.filter(atom, predicate);

map.put(list.toString(), list);

}

return new ArrayList<>(map.values());

}

与上述思维类似，Merge也可分步进行：

先merge所有子节点重新填充到新root节点中；

使用classification，获取新root节点分类后的子节点列表的列表；

创建新root节点，迭代前一步获取的列表，使用合并同类项函数(同类项列表=>合并后的项)，将节点依次插入新的root节点中，返回。

继续拆分，上述第三步采用Stream的思路还可以拆分：

产生Stream>流；

map映射List到Atom，这里交由另一个函数接口负责；

filter筛选需要添加至最终列表的项，这里依然可以分离出去交由另一个函数接口负责；

最后collect函数收集流中的元素，返回List，若为空，返回特定值。

这里举个例子就把合并相加项的filter调用的函数接口写一下吧：

Predicate addPredicate = e -> !(

e.getType().equals(Atom.Type.CONSTANT) && e.getValue().equals(BigInteger.ZERO)

);

上述函数接口表明，如果元素e是一个常数0了话，返回false否则返回true。

综上所述，如果你理解了分离逻辑的操作后，写出清晰简洁的代码应该是易如反掌把！