编译原理-第三章 词法分析-3.3 词法单元的规约

词法单元的规约：

• 串和语言：
  • 字母表：一个有限的符号集合，符号的典型例子包括字母、数位和标点符号
  • 串：字母表中符号的一个有穷序列
    • 串s的前缀：从s的尾部删除0个或多个符号得到的串
    • 串s的后缀：从s的开始处删除0个或多个符号后得到的串
    • 串s的子串：删除s的某个前缀和某个后缀之后得到的串
    • 串s的真前缀：s的既不属于ε，有不等于s本身的前缀
    • 串s的真后缀：s的既不属于ε，有不等于s本身的后缀
    • 串s的真子串：s的既不属于ε，有不等于s本身的子缀
    • 串s的子序列：是从s中删除0个或多个符号后得到的串，被删除的符号可能不相邻
    • 串的运算：
      • 
  • 语言：字母表上一个任意的可数的串集合
    • 语言上的运算：
      • 
    • 例：
  • 句子：属于语言的串
• 正则表达式：
  • 正则表达式可以描述所有通过并、链接和闭包等运算产生的某个字母表的语言
  • 等价：两个正则表达式 r 和 s 表示相同的语言，则称 r 和 s 是等价
  • 正则表达式的构建：
    • 归纳基础：
      • ε是一个正则表达式，L(ε) = |ε|，即该语言只包含空串
      • 如果α是Σ上的一个符号，那么a是一个正则表达式，并且L(a) = |α|，即着语言仅包含一个长度为1的符号串α
    • 归纳步骤：由小的正则表达式构造大的正则表达式的步骤有四个部分，假定r 和 s 都是正则表达式，分别表示语言L(r) 和 L(s)：
      • (r) | (s) 是一个正则表达式，表示语言L(r) | L(s)
      • (r)(s) 是一个正则表达式，表示语言L(r)L(s)
      • (r)*是一个正则表达式，表示语言(L(r))*
      • (r)是一个正则表达式，表示语言L(r)，表达式两边加上括号并不影响表达式所表达的语言
    • 简化：
      • 一元运算符 * 具有最高的优先级，并且是左结合的
      • 连接具有次高的优先级，它也是左结合的
      • | 的优先级最低，并且也是左结合的
    • 例：
      • 
      • 
      • 
  • 正则集合：由一个正则表达式定义的语言
  • 正则表达式的代数定律：
    • 
• 正则定义：
  • 一个复杂的正则式, 通常是由多个子正则式, 经过某些运算后得到的正则式，可以对子正则式命名，使正则式简洁化
    
  • 是一种描述模式的重要表示方法
  • 定义：具有如下形式的定义序列：
  • d₁→r_1，d₂→r_{2，..........，}d_n→r_n
  • 每个d_i都是一个新符号，它们都不在 Σ 中，并且各不相同
  • 每个r_i是字母表 Σ υ {d₁，d₂，.......，d_i-1}上的正则表达式，其中Σ是基本符号的集合
  • 例：
    • 
    • 
    • 
• 正则表达式的扩展：
  • 使正则表达式更易于表达模式
  • 元字符：
    • 
  • 反义：
    • 
  • 重复：

    • 

  • 贪婪与懒惰：

    • 

  • 例：
    • 

参考——《编译原理(第二版)》