正则表达式：语言生成器

Question

在C＃中给出正则表达式，有没有办法生成这个正则表达式接受的单词？

例如，我们考虑一下：

[ab]c*b*

是否有一个可以自动生成枚举的函数，如：

a
b
ac
ab
bc
bb
acb
bcb
acc
bcc
...

显然，这个列表无限可能是你想要的词，生成器必须是智能的才能输出从最简单到最复杂的东西，而不是被困在无限循环中。 / p>

我认为这将是一个有用的工具，以验证正则表达式。通常，很容易看出正则表达式接受您计划接受的单词。通常要难以看到它会接受哪些其他词语。

编辑：这个问题不是关于如何做到的，而是：在C＃中有什么我可以使用的吗？

Answer 1

这甚至不是C＃特定的问题;我认为你可以用任何真正的正则表达式做到这一点。

在我看来，你应该能够告诉任何正则表达式匹配的一代故事，这只是一个重写列表。在您的示例中，[ab]c*b*可以生成acccbbb;这是[ab]c*b* - ＆gt; ac*b* - ＆gt; acccb* - ＆gt; acccbbb。对于每个运算符，我们可以想象枚举它重写的所有方式;那么这只是一个列举所有重写组合的问题，归结为枚举所有自然的N元组。

编辑：N-tuples of naturals是一个滑稽的比较。但你可以想象基本上在重写状态下执行广度优先遍历，输出所有运算符都被重写的每个字符串。

Answer 2

我不知道如何在C＃中做到这一点，但理论上是的，可以做到。

您需要将正则表达式转换为NFA或DFA图形，横向使用BFS跟踪当前路径，为每条边的路径添加新字符，并在完成节点时打印当前路径击中。根据手头的正则表达式，您的内存使用量很容易呈指数级增长。

例如，给定正则表达式(a|b)*abb，我们可以创建NFA图，如下所示：

此NFA图表既可用于识别单词，也可用于枚举所有可能的单词。我们通过非确定性地遍历图表来做到这一点。意思是，我们需要跟踪图中所有可能的路径。

从零开始，我们执行BFS，对于具有两个或更多输出边缘的每个节点，我们创建一个新的非确定性路径。每次打印时，BFS按以下顺序访问节点：

0, 1, 7, 2, 4, 8, 3, 5, 9, 6, 6, 10, 1, 1, 7, ...

对于每个访问过的节点，我们都有中间临时路径：

• 0，＆＃34;＆＃34;
• 1，＆＃34; e＆＃34;
• 7，＆＃34; e＆＃34;
• 2，＆＃34; ee＆＃34;
• 4，＆＃34; ee＆＃34;
• 8，＆＃34; ea＆＃34;
• 3，＆＃34; eea＆＃34;
• 5，＆＃34; eeb＆＃34;
• 9，＆＃34; eab＆＃34;
• 6，＆＃34; eeae＆＃34;
• 6，＆＃34; eebe＆＃34;
• 10，＆＃34; eabb＆＃34;
• 1，＆＃34; eeaee＆＃34;
• 1，＆＃34; eebee＆＃34;

＆＃34; e＆＃34; symbol是表示空字符串""的epsilon字母，在打印每个单词时应将其过滤掉。

通过在图表上执行BFS，我们将每个单词按照NFA再次识别单词所需的边数进行排序。由于图表包含一个循环，因此该过程永远不会完成。

每次非确定性路径到达结束节点10时，我们打印生成的字符串：

• ＆＃34; ABB＆＃34;
• ＆＃34; AABB＆＃34;
• ＆＃34; BABB＆＃34;