正则表达式的等价判定
来源:互联网 发布:unix和linux的区别 编辑:程序博客网 时间:2024/04/30 09:22
编译原理的两个课程设计之一,关于两个正则表达式是否等价的问题。题目描述及提交地址:http://soj.me/show_problem.php?pid=1000&cid=866,大概内容如下:
Description
两个正则表达式等价,是指两个表达式描述完全相同的语言,即正则表达式expr1和expr2等价,当且仅当L(expr1)=L(expr2)。编写判断两个正则表达式是否等价的程序。
Input
有多组输入数据.每组数据有两个正则表达式expr1和expr2,每个正则表达式占一行. expr1和expr2仅含有字符a,b, c, d, e, |, (, ), *, +, ?,其中a, b, c, d代表相应的字符(也即我们考虑的语言定义在字母表 ={a, b, c, d}上),而e代表空串є,其它符号的意义和“龙书”一致. expr1和expr2的长度不超过80,且均保证是合法表达式. 输入以一个'#'号结束.
Output
对于每组数据,如果expr1和expr2等价,则输出“YES”;否则,输出“NO”.
对于这个项目,复习相关知识用了一天半,敲代码用了一天,调试用了半天,前后大概三天可以完成。作业提交截止后,撰写此文供日后自己复习和回顾,供他人参考和点评。
需要注意的是,本人参考的书籍为《编译原理》(即“龙书”)第二版中文翻译版,代码有前后三个版本:alpha(有调试和跟踪信息),beta(能通过SOJ但没注释),gamma(有注释和过程输出),若想看初始代码请查看alpha版本,若想只求AC请查看beta版本,若想了解算法请查看gamma版本。本文使用的代码为gamma版本,而作为解释说明的版本,代码并不能够直接在Sicily上AC通过,也就是不会严格符合文章开始时所描述的大概内容。
书籍下载:http://download.csdn.net/detail/ederick/5043025
代码下载:http://download.csdn.net/detail/ederick/5043904
另外参考:http://mcs.sysu.edu.cn/user/chenzz/Article_1591
最后感谢王建同学和李晓潮同学的帮助,帮我解答了一些疑问以及提供了一些典型例子,避免了很多麻烦,多谢!
一些技巧和细节会在下文中说明,测试样例也会放出,请留意找寻。
下面开始程序流程的介绍:
要求是判断两个正则表达式是否等价,总的步骤可以划分为四部分:
1.正则表达式转换成NFA;
2.NFA转换成DFA;
3.DFA最小化;
4.判断两个最小化DFA是否等价。
各个部分大概的流程如下所示:
A. 正则表达式转换成NFA:
这一部分的代码实现基本上遵循龙书上第3.7.4章节中的算法3.23(P100),即McMaughton-Yamada-Thompson算法。子NFA的构造方法如书上所说,这里不再熬述。
需要说明的是,个人修改过其中的的一个部分,即把归约规则中的r = st,并没有按书上所说把N(s)的接受状态和N(t)的开始状态合并,而是在两者之间通过ε转换来连接。另外,对于书上没有描述的?和+也自行构造了NFA的模版。还有的是,本人也没有对正则表达式先进行后缀表示的转换,而是直接对其进行分析并构造NFA。在这里,r = st会当作r = s & t来处理。
基本思路是,创建两个栈分别用于存储操作符和子NFA,然后从头到尾开始遍历正则表达式。对于当前处理的字符,作以下判断和处理:
Ø 如果是字母,并且如果前一字符是abcde)*+?中的一个,进行如下操作:a.如果栈顶操作符是&,执行catNFA();否则跳过此步骤b.压入操作符&构造当前字母的NFA并压栈;
Ø 如果是操作符|,当栈非空并且栈顶不是&时,不断把栈顶的|或者&操作弹出来,并执行相应的orNFA()或者catNFA();最后压入|操作符;
Ø 如果是操作符?、*、+,则直接执行相应的queNFA()、starNFA()、plusNFA();
Ø 如果是(,并且如果前一字符是abcde)*+?中的一个,进行如下操作:a.如果栈顶操作符是&,执行catNFA();否则跳过此步骤b.压入操作符&最后将(压栈;
Ø 如果是),当栈顶不是(时,不断把栈顶的|或者&操作弹出来,并执行相应的orNFA()或者catNFA();最后把栈顶的(弹出。
说明一下,queNFA()、starNFA()、plusNFA()需要一个子NFA,而orNFA()、catNFA()需要两个子NFA。对于以上操作,是基于操作符的优先级顺序:(>*= + = ? >& >|>)的进行的。
这一部分的代码如下:
/*********************正则转NFA**********************************************/unsigned N, M;//分别表示NFA和DFA的状态数string s;//正则表达式string sub( "abcde)*+?" );//正则表达式中需要构造子NFA的字符stack<char> sign;//存储操作符stack< pair<int, int> > nfa;//存储子NFAvector<int> NFA[ 160 ][ 5 ];//NFA的状态转移表/*对于是字母(a、b、c、d、e)的NFA构造方法*/void alpNFA( int i ) {pair<int, int> r;r.first = N++;r.second = N++;NFA[ r.first ][ i ].push_back( r.second );nfa.push( r );}/*对于是|的NFA构造方法*/void orNFA() {sign.pop();pair<int, int> r;r.first = N++;r.second = N++;pair<int, int> s = nfa.top();nfa.pop();pair<int, int> t = nfa.top();nfa.pop();NFA[ r.first ][ 4 ].push_back( s.first );NFA[ r.first ][ 4 ].push_back( t.first );NFA[ s.second ][ 4 ].push_back( r.second );NFA[ t.second ][ 4 ].push_back( r.second );nfa.push( r );}/*对于是?的NFA构造方法*/void queNFA() {pair<int, int> r;r.first = N++;r.second = N++;pair<int, int> s = nfa.top();nfa.pop();NFA[ r.first ][ 4 ].push_back( s.first );NFA[ r.first ][ 4 ].push_back( r.second );NFA[ s.second ][ 4 ].push_back( r.second );nfa.push( r );}/*对于是&的NFA构造方法*/void catNFA() {sign.pop();pair<int, int> t = nfa.top();nfa.pop();pair<int, int> s = nfa.top();nfa.pop();pair<int, int> r( s.first, t.second );NFA[ s.second ][ 4 ].push_back( t.first );nfa.push( r );}/*对于是*的NFA构造方法*/void starNFA() {pair<int, int> r;r.first = N++;r.second = N++;pair<int, int> s = nfa.top();nfa.pop();NFA[ r.first ][ 4 ].push_back( s.first );NFA[ r.first ][ 4 ].push_back( r.second );NFA[ s.second ][ 4 ].push_back( s.first );NFA[ s.second ][ 4 ].push_back( r.second );nfa.push( r );}/*对于是+的NFA构造方法*/void plusNFA() {pair<int, int> r;r.first = N++;r.second = N++;pair<int, int> s = nfa.top();nfa.pop();NFA[ r.first ][ 4 ].push_back( s.first );NFA[ s.second ][ 4 ].push_back( s.first );NFA[ s.second ][ 4 ].push_back( r.second );nfa.push( r );}/*初始化NFA相关状态*/void resetNFA() {N = 0;for ( int i = 0; i < 160; i++ ) {for ( int j = 0; j < 5; j++ )NFA[ i ][ j ].clear();}while ( !sign.empty() )sign.pop();while ( !nfa.empty() )nfa.pop();}/*正则表达式转NFA*/void RE2NFA() {resetNFA();/*遍历字符串,对相关字符进行对应操作*/for ( unsigned i = 0; i < s.size(); i++ ) {if ( isalpha( s[ i ] ) ) {/*判断是否需要加上操作符&*/if ( i != 0 && sub.find( s[ i - 1 ] ) != string::npos ) {if ( !sign.empty() && sign.top() == '&' )catNFA();sign.push( '&' );}alpNFA( s[ i ] - 'a' );}else if ( s[ i ] == '|' ) {while ( !sign.empty() && sign.top() != '(' ) {if ( sign.top() == '|' )orNFA();else if ( sign.top() == '&' )catNFA();}sign.push( '|' );}else if ( s[ i ] == '?' )queNFA();else if ( s[ i ] == '*' )starNFA();else if ( s[ i ] == '+' )plusNFA();else if ( s[ i ] == '(' ) {/*判断是否需要加上操作符&*/if ( i != 0 && sub.find( s[ i - 1 ] ) != string::npos ) {if ( !sign.empty() && sign.top() == '&' )catNFA();sign.push( '&' );}sign.push( '(' );}else if ( s[ i ] == ')' ) {while ( sign.top() != '(' ) {if ( sign.top() == '|' )orNFA();else if ( sign.top() == '&' )catNFA();}sign.pop();}}/*清空操作符栈,获取最终NFA*/while ( !sign.empty() ) {if ( sign.top() == '|' )orNFA();else if ( sign.top() == '&' )catNFA();}}/*输出NFA的各项数据*/void showNFA() { cout << "**********第一步:NFA各项数据如下***************\n"; pair<int, int> r = nfa.top(); cout << "状态数:" << N << "\t"; cout << "开始状态:" << r.first << "\t" << "接受状态:" << r.second << endl; cout << "\ta\tb\tc\td\tε\n"; for ( unsigned i = 0; i < N; i++ ) { cout << i << ":\t"; for ( unsigned j = 0; j < 5; j++ ) {sort( NFA[ i ][ j ].begin(), NFA[ i ][ j ].end() ); cout << "{"; for ( unsigned k = 0; k < NFA[ i ][ j ].size(); k++ ) { cout << NFA[ i ][ j ][ k ];if ( k + 1 != NFA[ i ][ j ].size() )cout << ",";} cout << "}\t"; } cout << endl; }}
这里面有几个技巧和细节,罗列如下:
1.返回值采用pair<int,int>的形式是为了便于获取NFA的开始状态和接受状态;
2.NFA的数组开到160,是因为每个符号最多构造2个状态,80个字符就是160个状态;
3.?和+操作符的NFA构造可以等价于a?=(a|e),a+=aa*就可以很方便地得到了;
4.sub字符串的存在是为了便于判断是否需要添加&进操作符栈。
B. NFA转换成DFA
基本上如同龙书算法3.20(P97)的描述一样,通过子集构造算法,我们可以从一个NFA中构造出相应的DFA。这一部分按照书上的内容可以按部就班完成,如下:
其中的函数意义如下:
较为重要的计算e-closure(T)的方法如下:
D的开始状态是e-closure(S0),接受状态是所有至少包含了N的一个接受状态的状态集合。
这一部分的代码如下:
/*********************NFA转DFA************************************************/map< vector<int>, int > trans;//NFA的状态和DFA的状态对应关系vector<int> acc;//DFA中的接受状态int DFA[ 1600 ][ 5 ];//DFA的状态转换表/*计算e-closure(T)*/vector<int> eClosure( vector<int> T ) {stack<int> s;vector<int>::iterator it;int t;for ( it = T.begin(); it != T.end(); it++ )s.push( *it );while ( !s.empty() ) {t = s.top();s.pop();for ( it = NFA[ t ][ 4 ].begin(); it != NFA[ t ][ 4 ].end(); it++ ) {if ( find( T.begin(), T.end(), *it ) == T.end() ) {T.push_back( *it );s.push( *it );}}}sort( T.begin(), T.end() );return T;}/*计算move(T,a)*/vector<int> move( vector<int> T, int a ) { vector<int>::iterator it1, it2; vector<int> U; for ( it1 = T.begin(); it1 != T.end(); it1++ ) { for ( it2 = NFA[ *it1 ][ a ].begin(); it2 != NFA[ *it1 ][ a ].end(); it2++ ) { if ( find( U.begin(), U.end(), *it2 ) == U.end() ) U.push_back( *it2 ); } }return U;}/*初始化DFA数据*/void resetDFA() {M = 0;trans.clear();acc.clear();}/*把NFA转换成DFA*/void NFA2DFA() {resetDFA();pair<int, int> r = nfa.top();vector<int> T, U;T.push_back( r.first );U = eClosure( T );vector< vector<int> > Dstates;stack< vector<int> > s;Dstates.push_back( U );s.push( U );trans[ U ] = M++;if ( find( U.begin(), U.end(), r.second ) != U.end() )acc.push_back( M - 1 );while ( !s.empty() ) {T = s.top();s.pop();for ( int a = 0; a < 4; a++ ) {U = eClosure( move( T, a ) );if ( find( Dstates.begin(), Dstates.end(), U ) == Dstates.end() ) {Dstates.push_back( U );s.push( U );trans[ U ] = M++;if ( find( U.begin(), U.end(), r.second ) != U.end() )acc.push_back( M - 1 );}DFA[ trans[ T ] ][ a ] = trans[ U ];}}}/*输出DFA的各项数据*/void showDFA() { cout << "**********第二步:DFA各项数据如下***************\n"; cout << "状态数:" << M << "\t"; cout << "开始状态:" << 0 << "\t" << "接受状态:"; for ( unsigned i = 0; i < acc.size(); i++ ) cout << acc[ i ] << " "; cout << endl; cout << "\ta\tb\tc\td\n"; for ( unsigned i = 0; i < M; i++ ) { cout << i << ":\t"; for ( int j = 0; j < 4; j++ ) cout << DFA[ i ][ j ] << "\t"; cout << endl; }}
技巧和细节说明如下:
1.DFA的状态上限设为1600没什么特别的原因,只是开大点以防内存溢出而已;
2.选用vector是因为状态数不确定,所以开数组不方便;而又不需要list的快速插入删 除功能,综合权衡之下采取vector来存储数据;
3.可以留意到计算闭包后对vector进行了排序,这是为了后面计算得出来的vector能够有序,确保map中键值的比较正确,以及方便输出DFA状态转移表;
4.采用map是为了NFA和DFA中的状态得以对应,其中map对vector有很好的包容性,所以操作符[]使用起来相当方便;
C. DFA最小化
算法原则是基于龙书上算法3.39(P115),关键的分组部分如下:
代码如下:
/*********************DFA最小化***********************************************/int groups[ 1600 ][ 5 ];//输入符号状态转移到的分组bool included[ 1600 ];//状态的分组去向是否已确定vector< vector<int> > PI, nPI;//原分组和新分组int L;//最小化DFA的状态数int MAP[ 1600 ];//DFA和最小化DFA的状态对应关系int MIN[ 1600 ][ 5 ];//最小化DFA的状态转移表int start;//最小化DFA的开始状态vector<int> fin;//最小化DFA的接受状态/*对状态划入分组*/void grouping( int n ) {unsigned i, j, k;int t;vector<int> v;for ( i = 0; i < PI[ n ].size(); i++ ) {for ( j = 0; j < 4; j++ ) {t = DFA[ PI[ n ][ i ] ][ j ];for ( k = 0; k < PI.size(); k++ ) {if ( find( PI[ k ].begin(), PI[ k ].end(), t ) != PI[ k ].end() ) {groups[ PI[ n ][ i ] ][ j ] = k;break;}}}}for ( i = 0; i < PI[ n ].size(); i++ ) {if ( !included[ PI[ n ][ i ] ] ) {v.clear();v.push_back( PI[ n ][ i ] );included[ PI[ n ][ i ] ] = true;for ( j = i + 1; j < PI[ n ].size(); j++ ) {if ( !included[ PI[ n ][ j ] ] ) {for ( k = 0; k < 4; k++ ) {if ( groups[ PI[ n ][ i ] ][ k ] != groups[ PI[ n ][ j ] ][ k ] )break;}/*判断两个状态是否划入了同一个分组*/if ( k == 4 ) {v.push_back( PI[ n ][ j ] );included[ PI[ n ][ j ] ] = true;}}}nPI.push_back( v );}}}/*初始化最小化DFA的各项数据*/void resetMIN() {unsigned i, j;vector<int> v1, v2;for ( i = 0; i < M; i++ ) {if ( find( acc.begin(), acc.end(), i ) == acc.end() )v1.push_back( i );elsev2.push_back( i );}PI.clear();nPI.clear();nPI.push_back( v1 );nPI.push_back( v2 );}/*DFA转化成最小化DFA*/void DFA2MIN() {resetMIN();unsigned i, j;/*细分分组*/memset( groups, 0, sizeof( groups ) );while ( PI.size() != nPI.size() ) {PI = nPI;nPI.clear();memset( included, false, sizeof( included ) );for ( i = 0; i < PI.size(); i++ )grouping( i );}/*确定状态对应关系*/L = 0;for ( i = 0; i < PI.size(); i++ ) {for ( j = 0; j < PI[ i ].size(); j++ ) {MAP[ PI[ i ][ j ] ] = L;if ( PI[ i ][ j ] == 0 )start = L;}L++;}/*获取接受状态*/fin.clear();for ( i = 0; i < acc.size(); i++ ) {if ( find( fin.begin(), fin.end(), MAP[ acc[ i ] ] ) == fin.end() )fin.push_back( MAP[ acc[ i ] ] );}sort( fin.begin(), fin.end() );/*构造状态转移表*/memset( included, false, sizeof( included ) );for ( i = 0; i < M; i++ ) {if ( !included[ MAP[ i ] ] ) {included[ MAP[ i ] ] = true;for ( j = 0; j < 4; j++ )MIN[ MAP[ i ] ][ j ] = MAP[ DFA[ i ][ j ] ];}}}/*输出最小化DFA*/void showMIN( int nMIN[ 2000 ][ 5 ], int nstart, vector<int> nfin, int nL ) { cout << "**********第三步:MIN各项数据如下***************\n"; cout << "状态数:" << nL << "\t"; cout << "开始状态:" << nstart << "\t" << "接受状态:"; for ( vector<int>::iterator it = nfin.begin(); it != nfin.end(); it++ ) cout << *it << " "; cout << endl; cout << "\ta\tb\tc\td\n"; for ( int i = 0; i < nL; i++ ) { cout << i << ":\t"; for ( int j = 0; j < 4; j++ ) cout << nMIN[ i ][ j ] << "\t"; cout << endl; }}
D. 判断两个最小化DFA是否等价
基本思路是通过对两个最小化DFA进行同步DFS遍历,而遍历的原则是:
对于两者访问的下一个节点:
1.都未被访问,则访问,进入深一层的遍历;
2.都已访问,改变字符输入寻求下一个未被访问的节点。
需要注意的是,当两者在遍历的过程中,碰到以下情况时:
1.其中一个到达了接受状态而另一个还处于非接受状态;
2.两者即将访问的下一个节点的深度不一样(都没被访问的话视作深度相同);
可以认为两个最小化DFA不是等价的。如果两者成功同步访问完所有的节点,即遍历过程中没有碰到以上的两种情况,就可以认为两个最小化DFA是等价的。
代码如下:
/*********************正则转最小DFA及比较*************************************/int P, Q;//两个最小化DFA的状态数int MIN1[ 1600 ][ 5 ], MIN2[ 1600 ][ 5 ];//两个最小化DFA的状态转移表int start1, start2;//两个最小化DFA的开始状态vector<int> fin1, fin2;//两个最小化DFA的结束状态int deep;//同步遍历时的深度int vis1[ 1600 ], vis2[ 1600 ];//两个最小化DFA在同步遍历时各个状态的深度/*正则表达式转最小化DFA*/void RE2MIN( int nMIN[ 1600 ][ 5 ], int &nstart, vector<int> &nfin, int &nL ) {RE2NFA();showNFA();NFA2DFA();showDFA();DFA2MIN();memcpy( nMIN, MIN, sizeof( MIN ) );nstart = start;nfin = fin;nL = L;}/*同步遍历*/bool traversal( int n1, int n2 ) {int i, m1, m2;vis1[ n1 ] = vis2[ n2 ] = ++deep;for ( i = 0; i < 4; i++ ) {m1 = MIN1[ n1 ][ i ];m2 = MIN2[ n2 ][ i ];if ( find( fin1.begin(), fin1.end(), m1 ) == fin1.end() && find( fin2.begin(), fin2.end(), m2 ) != fin2.end() )break;if ( find( fin1.begin(), fin1.end(), m1 ) != fin1.end() && find( fin2.begin(), fin2.end(), m2 ) == fin2.end() )break;if ( vis1[ m1 ] != vis2[ m2 ] )break;if ( vis1[ m1 ] == 0 && !traversal( m1, m2 ) )break;}--deep;return i == 4;}/*判断两个正则表达式是否等价*/bool equal() {if ( P != Q )return false;memset( vis1, 0, sizeof( vis1 ) );memset( vis2, 0, sizeof( vis2 ) );deep = 0;return traversal( start1, start2 );}
最后的主函数如下,大功告成:
/*********************主函数部分*********************************************/int main(){while ( true ) {cout << "请输入第一个正则表达式:";cin >> s;if ( s == "#" )break;RE2MIN( MIN1, start1, fin1, P );showMIN( MIN1, start1, fin1, P );cout << "\n请输入第二个正则表达式:";cin >> s;RE2MIN( MIN2, start2, fin2, Q );showMIN( MIN2, start2, fin2, Q );cout << "\n两个正则表达式的等价结果:";cout << ( equal() ? "YES": "NO" ) << endl << endl << endl;}return 0;}
随便输入一个正则表达式,效果如下:
至此,所有工作完成。由于时间比较赶,代码当中应该存在不少错漏,效率上可能也不如人意,仍然有待改进。
附:测试样例和答案
a?
a|e YES
b*|a+
a+|b* YES
aa*|bb*
b+|a+ YES
e+++++*?*?*?++
eeee YES
(a|b)(a|b)
aa|ab|bb NO
(a|b)*
((e|a)b*)* YES
a+(aa)+
(aa)+a NO
a+(aa)+
(aa)+a+ YES
d*c+d?c*
d*c*d?c* NO
(a|b)|(c|d)
(c|d)|(a|b) YES
(a|b)*a(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)
(a|b)*b(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b) NO
(a|b)*a(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)
(a|b)*a(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b)(a|b) YES
b*a*b?a*
b*((a|ab)*|(a|ba)*) NO
- 正则表达式的等价判定
- 正则表达式的等价判断
- noip的等价表达式
- 牛B的正则表达式:素数判定与线性方程求解
- 牛B的正则表达式:素数判定与线性方程求解
- 一个有用的正则表达式判定工具类
- [原创]sql like模式转换成等价的正则表达式的辅助类
- 等价表达式的后缀表达式读取
- 正则表达式判定手机号码(终极版)
- android 网址判定正则表达式修改
- 正则表达式 判定不包含字符串
- 正则表达式判定保留2位小数
- 等价表达式
- 等价表达式
- 等价表达式
- 等价表达式
- 等价表达式
- 正则表达式语法等价字符/常用运算符/分割语法/正则等价简写释义速记理解技巧
- == Deep Learning 和 Knowledge Graph ==
- 通过这些小细节看清你身边的人
- EasyFast开源框架
- 使用dynamic实现反射,并提交性能
- OK6410:UART
- 正则表达式的等价判定
- SetTimer的时间间隔做多可以设置成多大?
- java读取ini文件
- Java序列化机制和原理
- IT职场中外企面试最爱提的问题TOP10
- java中RSA加解密的实现
- 60位演讲大师合集,错过将遗憾终生!
- 在使用 ST_Geometry 空间索引时优化 Oracle 查询性能和存储
- sql dual nextval