算法之正则表达式匹配与NFA构建全解析

算法之正则表达式匹配与NFA构建全解析

在计算机科学领域，算法的学习与探索永无止境。我希望通过这篇博客，能和大家一起深入理解算法相关知识，在技术之路上共同进步。今天，我们聚焦于正则表达式匹配和非确定性有限自动机（NFA）构建这两个关键技术点，深入剖析其原理，并结合Java代码实例，让大家能轻松掌握这些复杂的概念。

一、正则表达式匹配的时间复杂度

在进行文本处理时，判断一个正则表达式能否识别一段文本是很常见的需求。有个重要的结论是：判定一个长度为M的正则表达式所对应的NFA能否识别一段长度为N的文本，在最坏情况下，所需时间和 (MN) 成正比。

这是怎么得到的呢？对于长度为N的文本中的每个字符，都要遍历一个大小不超过M的状态集合，还要在由E-转换构成的有向图中进行深度优先搜索。这个有向图中的边数不会超过 (2M) 条，所以每次深度优先搜索在最坏情况下的运行时间与M成正比。整体算下来，时间复杂度就是 (MN) 。这和简单的固定子字符串查找算法在最坏情况下的成本相同，是不是很神奇？

用通俗的话来讲，就好比我们有一本单词书（正则表达式）和一篇文章（文本）。单词书里的单词拼写规则可能很复杂，而文章很长。我们要检查文章里有没有符合单词书里拼写规则的单词，每看文章里的一个字符，都要对照单词书里的各种规则（状态集合），并且在一个由这些规则连接起来的“迷宫”（有向图）里找路，找路的过程就是深度优先搜索。这个“迷宫”的路（边数）最多是单词书长度（M）的两倍，所以找路的时间和单词书长度有关，整体检查完文章的时间就是文章长度（N）和单词书长度（M）的乘积。

二、NFA的构建规则

NFA的构建过程是理解正则表达式匹配的关键，它和我们熟悉的算术表达式求值过程有相似之处，但也有自己的特点。下面我们来详细看看它的构建规则。

（一）连接操作

连接操作在NFA里很好实现。简单来说，状态的匹配转换和字母表中的字符对应起来，这就是连接操作。打个比方，我们有两个字符 “a” 和 “b”，在NFA里，从代表 “a” 的状态到代表 “b” 的状态，通过它们之间的转换关系，就实现了 “a” 和 “b” 的连接。

（二）括号处理

处理括号时，我们把正则表达式里所有左括号的索引压入栈中。遇到右括号时，就把对应的左括号从栈中弹出。这就像我们写数学公式时，括号有配对关系，栈能很好地处理这种嵌套的括号关系。比如在正则表达式 “(a(b|c))” 里，遇到第一个左括号时，把它的索引存到栈里，遇到右括号时，就从栈里取出对应的左括号索引，知道这一对括号的范围。

（三）闭包操作

闭包运算符 “” 有两种情况。如果它出现在单个字符之后，就在这个字符和 “” 之间添加两条相互指向的E-转换；要是出现在右括号之后，就在对应的左括号（栈顶元素）和 “” 之间添加两条相互指向的E-转换。例如，对于 “a”，“a” 和 “” 对应的状态之间就有两条E-转换，这样NFA就能在 “a” 状态和 “” 状态之间来回转换，表示 “a” 可以出现0次或多次。

（四）“或” 表达式处理

在形如 “(A|B)” 的正则表达式中，A和B都是正则表达式。我们要添加两条E-转换，一条从左括号对应的状态指向B中第一个字符对应的状态，另一条从 “|” 字符对应的状态指向右括号对应的状态。同时，把 “|” 运算符和左括号的索引压入栈中，这样到右括号时就能获取所需信息。比如 “(a|b)”，从左括号对应的状态可以通过E-转换到达 “b” 对应的状态，从 “|” 对应的状态可以到达右括号对应的状态，NFA就能在 “a” 和 “b” 之间选择匹配。

下面用表格总结NFA构建规则：

三、Java代码实现示例

下面是一个简单的Java代码示例，展示如何构建一个简单正则表达式对应的NFA，并判断文本是否匹配。

import java.util.Stack;

class Digraph {
   
   
    private int V;
    private int[][] adj;

    public Digraph(int v) {
   
   
        V = v;
        adj = new int[v][v];
    }

    public void addEdge(int v, int w) {
   
   
        ad