只讲方法不讲原理。参考龙书二
不知道为什么今天的老是不能上传图片,然后就做成pdf了,http://download.csdn.net/detail/dantangfan/6367655)
用了很久的正则表达式,都不清楚里面的机理和机器的运作方法。这里学习了正则表达式到NFA(Nondeterministic Finite
Automata,不确定的有限状态自动机)再到DFA(deterministic Finite Automata,确定的有限状态自动机)的转换过程。
如正则表达式:
相应的NFA
相应的DFA
从正则表达式到NFA:
NFA的几个组成部分:
1、一个有限的状态集合S,比如说上面的4个状态0、1、2、3,状态也可以有冗余,不过能简化肯定简化更好;
2、一个输入符号集合∑,即输入字母表(input alphabet),要记住,我们假设了代表空串的ε不是∑中的元素,要是一个字符串有不属于∑中的元素,那么肯定不能走完该NFA;
3、一个转换函数(transition function,也可以称为迁移函数),为每个状态和∑∪{ε}中的每个符号都给出了相应的后继状态(next state)的集合;(在生成NFA或者DFA的时候有同样转换函数的状态是可以合并的)
主要就是上面3个组成部分,另外,有两种特殊的状态:
1、一个状态S0被指定为开始状态,或者说是初始状态,也就是最开始接受输入字符的状态,有且只有一个;
2、S的一个子集F被指定为接受状态或者是终止状态集合。(注意,可以包括初始状态)
几个基本概念
对于任意输入空元素ε的NFA有
对于任意输入a的NFS有
假设N(s)和N(t)是正则表达式s和t的NFA
a.假设r=s|t,那么r的NFA是
b.假设r=st,那么r的NFA是
c.如果r=s*,那么r的NFA是
那么我们就可以一步一步的得到最终结果
从NFA到DFA
几个基本概念
设D和T是NFA的状态子集.
ε―closure(D)={t|从状态s∈D出发,通过标记为ε的路径到达状态t}(ε―closure(D))
move(T,a)={t|从状态s∈T出发,经过a转换到达状态t}
那么对于上面的NFA有
那么根据龙书上的算法
可以得到以下图表
然后可以根据图表画出有向图
这个时候还需要对图进行化简,也是最难理解的部分。基本思想就是把ABCD划分成最小集合。
对于任意一个图首先,可以把最终状态分出来{A,B,C,D},{E};
然后对ABCD可以根据每次的输入进行判定。比如输入a时,他们的最终结果都是B,但是输入b时,ABC的结果都还在集合{A,B,C,D}内部,而D的结果为E,超出了本身集合。所以D是跟ABC不同的,继续划分成{A,B,C}{D}{E}.
用同样的方法,可以最终将集合划分成{A,B}{C}{D}{E}.
然后简化有向图,得到最终结果