第2节 词法分析.ppt

* * ㈡状态转换矩阵 函数f可用矩阵表示，行表示状态，列表示输入字符，该矩阵称为状态转换矩阵。只要对初态和终态作适当标记，可用一个状态转换矩阵来表示DFA。 ㈢DFA M可用一个（确定的）状态转换图表示 例识别二进制数的DFA可用（确定的）状态转换图表示如下： 状态/字符 0 1 0 1 1 1 1 1 接上例 * * ㈣字α可为DFA M识别 对于一个字α，若存在一条从初态结到某一终态结的路径，且路径上的所有弧的标记依序连接成的字为α，则称α可为DFA M所识别或接受。 若DFA M的初态结同时又是终态结，则称空字ε可为DFA M所识别或接受。 DFA M所识别的字全体记为L(M)。 设α= 1012 = 5 因从初态0出发，存在一条到终态1的路径。路径上的标记依次连接为101，则称α= 101可为M所识别或接受。 L(M) = {α |α为二进制数}。 * * 2.2.4 非确定有限自动机（NFA） ㈠NFA定义 一个非确定的有限自动机M是一个五元式 M=（S，Σ，f，S0，Z） S是一个有限集，它的每一个元素称为状态。 Σ是一个有穷字母表，它的每个元素称为一个输入字符。 f是一个从S×Σ*到S的子集映照，即f：S×Σ*→2S（多值函数） 2S表示幂集，若S={0，1}，则2S ={{ }，{0}，{1}，{0，1}}。 S0S，是一个非空初态集，即NFA的初态不一定唯一。 ZS，是一个终态集。 DFA和NFA的主要区别为：映照f（函数），DFA的映照f是从状态×字符映射到状态，f为单值函数；而NFA的映照f是从状态×字映射到状态子集，f为多值函数。 * * 例某一非确定有限自动机 M=（{1，2，3，4，5，6}，{a，b}，f，{1，2}，{3}） 其中f的定义为： f(1,a)={4，5}、f(5，ε)={6}、f(6，ε)={2}、f(2，ab)={3} 其余情况f(si，α) = { }（α∈Σ*，si∈S） ㈡NFA M可用一个（非确定的）状态转换图表示 * * ㈢字α可为NFA M识别 对于Σ*中的一个字α，若在NFA M中存在一条从某一初态到某一终态的路径，且路径上的所有标记依序连接成的字为α，则称α可为NFA M所识别或接受。 若M的某些结既是初态结又是终态结，或者存在一条从某个初态结到某个终态结的ε道路，那么空字ε可为M所接受。 非确定有限自动机M所识别的字全体记为L(M)。 对于任何二个有限自动机M和M，若L(M) = L(M)，则称二个有限自动机M和M等价。 DFA是NFA的特例，对于每个NFA M存在一个DFA M，使得L(M)=L(M)。 * * 2.2.5正规式与确定有限自动机的等价性 对于Σ上的每个正规式V，存在一个Σ上的确定有限自动机M，使得L(V)=L(M)。 ㈠V?NFA ①将V表示成拓广NFA ②根据下面三条规则对V进行分裂（规则基于识别的语言不变），直至每条弧上的标记为Σ上的一个字符或ε。  V  * * 例，已知正规式(a|b)*(aa|bb)构造它的NFA。 * * ㈡NFA?DFA 为了便于描述NFA确定化算法，我们引进二个概念。 ①I的ε闭包 I的ε闭包记为ε_CLOSURE(I)或CLOSURE(I)，设I是NFA M状态集的一个子集，I的ε闭包定义为： 若状态s∈I，则s∈ε_CLOSURE(I)。 若状态s∈I，则从状态s出发，经一条或多条ε弧所能到达的状态s也属于ε_CLOSURE(I)。 ②Ia I NFA M状态集的一个子集 Ja 从I出发经一条a弧所能到达的状态全体 Ia ε_CLOSURE(Ja) * * 设I={1}，则CLOSURE(I)= CLOSURE({1})={1,2}。 设I={5,4,3}，则CLOSURE(I) = CLOSURE({5,4,3}) = {5, 4, 3, 6, 2, 8, 7}。 接上例设I={1，2}，则 Ja ={4,5}∪{3}={3,4,5} Ia = CLOSURE ({3,4,5})={5,4,3,6,2,8,7} ③NFA确定化算法 I Ia（a∈∑） Ib（b∈∑） CLOSURE({X}) 1）数据结构及初始状态 手工计算 * * 2）算法描述 0. procedure NFA_TO_DFA 1. p_cur←1 //当前指针，指示当前处理的状态子集。 2. p_end←1 //表尾指针 3. I[1]←CLOSURE({X}) 4. while p_cur≤p_end 5. for i←1 to n //设∑={x1,x2,…,