编译原理 第二章词法分析.pptVIP

以下将ε_closure( I ) 简写为closure(I) Closure(I) =I ? { Sk | if Sj Sk, Sj ? Closure(I) ， Sk ? Closure(I) } 状态集合的空闭包ε_closure 总是包含状态集合本身 ε 第二十九页，共四十四页，2022年，8月28日 if I={0},the ε_closure( I )={ 例如: NFA ε 10 0 1 2 4 5 3 6 7 8 9 a b a b b ε ε ε ε ε ε ε } 7 4, 2, 1, 0, 第三十页，共四十四页，2022年，8月28日 Ia子集 I 是状态集合, a 是字母表的一个字符 Move（I，a）={t|s∈I,and s t} Ia= ε_closure ( Move( I , a ) ) a 第三十一页，共四十四页，2022年，8月28日 第一页，共四十四页，2022年，8月28日 这不是一个DFA。如果不使用系统化的方法将所有的记号都合并为一个巨大的DFA，将非常复杂。 1 3 letter letter,digit 2 [other] 5 digit digit 4 [other] 7 6 = 9 8 10 第二页，共四十四页，2022年，8月28日 解决这个问题的方法 将DFA扩展到NFA (对于当前的输入，当前的状态将转换为多个状态) NFA 转换为 DFA的算法 第三页，共四十四页，2022年，8月28日 不确定的有穷自动机（NFA) NFA M=(S,Σ,T,S0,A), 其中 S 是状态的集合 ∑是字母表 T是转换函数: S X (∑∪{ε})- S的子集 S0∈S 初始状态 A ? S 接受状态集合 第四页，共四十四页，2022年，8月28日 NFA 类似于 DFA，除了 扩展 ∑ 包括 ε NFA 可以包含 ε-转换—无需考虑输入串就有可能发生的转换 1 2 ε 扩展T的定义 每一个字符都可以导致多个状态。因此T的值是状态的一个集合而不是单独的状态 第五页，共四十四页，2022年，8月28日 例 NFA M=（{S，P，Z},{0，1},f,S,{Z}） 其中 f（S，0）={P} f（S，1）={S，Z} f（Z，0）={P} f（Z，1）={P} f（P，1）={Z} 矩阵表示: 0 1 S {P} {S,Z} P {} {Z} Z {P} {P} 0 0 1 状态图表示: S P Z 0 0,1 1 1 1 Z 第六页，共四十四页，2022年，8月28日 L(M): 由自动机 M 所接受（识别）的语言 L(M) ：is the set of strings of character字符c1c2…cn ，每一个ci 都属于 ∑∪{ε}， 且存在关系：s1 在T(S0,c1)中,s2在T(S1,c2)中,…,Sn 在T(Sn-1,cn) 中， s0 是初始状态， Sn 是A的元素 c1c2…cn 中的任一 ci 都可能是ε 真正被接受的串是删除了ε的串 c1c2…cn 第七页，共四十四页，2022年，8月28日 非确定性 接受特定串的转换序列并不由状态和下一个输入字符在每一步确定下来 第八页，共四十四页，2022年，8月28日 例如 1 2 3 4 a a b ε ε ε 下面两个转换序列都可接受串 “abb” : 1 2 4 2 4 a b ε b 1 3 4 2 4 2 a ε ε b ε 4 b 第九页，共四十四页，2022年，8月28日 2.3.3 用代码实现有穷自动机 构建扫描程序（词法分析程序）的过程: 正则表达式 DFA 扫描程序 正则表达式表示一种模式，用来描述记号 DFAs 表示按照正则表达式描述的模式接受符号串的算法 第十页，共四十四页，2022年，8月28日 从正则表达式到DFA（2.4节) 有穷自动机构造词法分析程序 第十一页，共四十四页，2022年，8月28日 1 用代码实现 DFA 用代码实现DFA的一般算法 用一个变量保持当前的状态 将转换写成一个双层嵌套的case语句而不是一个循环 第一个case语句测试当前的状态 嵌套着的第2层测试输入字符及所给的状态 第十二页，共四十四页，2022年，8月28日 state:=1;{start} while state=1 or 2 do case state of 1:case input character of letter:advance the input; state:=2; else state:=…{error or other};