[论文解读] Regular Expressions, au point

Andrea Asperti, Claudio Sacerdoti Coen+1 more|arXiv (Cornell University)|Oct 13, 2010

semigroups and automata theory参考文献 13被引用 7

一句话总结

本文提出了一种点标记正则表达式（pointed regular expressions）——一种新颖的技术，通过在正则表达式中标记特定位置以追踪输入字符串的处理进度，从而直接从正则表达式构造确定性有限自动机（DFA）。该方法结合了Brzozowski导数的符号优美性与McNaughton和Yamada标记技术的高效性，实现了简单、直观且可验证的DFA构造，为每个状态赋予明确的语义含义，显著提升了教学清晰度与算法透明度。

ABSTRACT

We introduce a new technique for constructing a finite state deterministic automaton from a regular expression, based on the idea of marking a suitable set of positions inside the expression, intuitively representing the possible points reached after the processing of an initial prefix of the input string. Pointed regular expressions join the elegance and the symbolic appealingness of Brzozowski's derivatives, with the effectiveness of McNaughton and Yamada's labelling technique, essentially combining the best of the two approaches.

研究动机与目标

• 开发一种直接、直观且可验证的方法，从正则表达式构造确定性有限自动机（DFA）。
• 通过提供自动机状态的符号化、语义化解释，克服传统方法在教学与实践上的局限性。
• 结合Brzozowski导数的优雅性与McNaughton和Yamada标记技术的高效性。
• 提供一种适合交互式定理证明与教学使用的形式化体系，使学生能够通过移动点可视化状态转移。
• 探索将该框架扩展至交集与补集等更复杂算符的潜力，尽管面临理论挑战。

提出的方法

• 引入点标记正则表达式（pre），在正则表达式中的特定位置用圆点（•）标记，以表示读取输入前缀后当前的处理位置。
• 定义移动操作（move），根据输入符号将点向前推进，模拟DFA中的状态转移。
• 通过从初始表达式生成所有可达的点标记表达式来构造DFA，每个pre对应一个唯一状态。
• 使用nullable函数判断一个点标记表达式是否能生成空字符串，辅助识别终态。
• 利用可能的标记方式数量有限的特性，确保自动机保持有限且可判定。
• 采用单次遍历算法计算移动操作，避免使用集合型导数操作，降低复杂度。

实验结果

研究问题

• RQ1 如何实现从正则表达式直接、符号化且可验证地构造确定性有限自动机？
• RQ2 点标记正则表达式与Brzozowski导数之间存在何种正式关系？
• RQ3 能否将导数的直观吸引力与基于标记的自动机构造效率相结合？
• RQ4 为何该方法无法自然扩展至交集与补集算符？其理论限制是什么？
• RQ5 使用彩色点或增强标记方案是否能克服处理复杂算符（如交集）时的局限性？

主要发现

• 所提方法能够直接、直观且易于验证地构造与正则表达式相关的DFA，每个点标记表达式对应一个唯一状态。
• 点标记表达式与Brzozowski导数之间存在非平凡且出人意料丰富的正式对应关系，揭示了更深层次的结构联系。
• 该技术在教学中尤为有效，学生仅需一节课即可通过可视化点的移动理解状态语义与转移过程。
• 移动操作可在表达式上单次遍历完成，使构造过程高效且实用。
• 由于交集与补集算符在描述复杂度上存在已知的下界，该方法无法自然扩展至这些算符，导致状态空间呈指数级膨胀。
• 作者指出，将框架扩展至交集等算符需更丰富的标记表达能力，例如使用彩色点，以在合并过程中保留必要信息。