C# 正则表达式：语言生成器

给定C#中的正则表达式，是否有方法生成该正则表达式接受的单词

例如，让我们考虑一下：

[ab]c*b*

是否有一个函数可以自动生成枚举，如：

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

显然，这个列表是无限的，只要你想要单词，生成器就必须是智能的，以便输出从最简单到最复杂的内容，而不会陷入无限循环中

我认为这将是验证正则表达式的有用工具。一般来说，很容易看出正则表达式接受您计划它将接受的单词。通常很难看出它会接受其他词

编辑：这个问题不是关于如何做，而是：有什么东西我可以用C语言来做吗？

这甚至不是一个C语言特有的问题；我想你可以用任何真正的正则表达式来做这件事

在我看来，你应该能够为任何正则表达式匹配讲述一代人的故事，这只是一个重写列表。在您的示例中，

[ab]c*b*

可以生成

acccbb

；这是

[ab]c*b*

->

ac*b*

->

acccb*

->

acccbb

。对于每个操作符，我们可以想象列举它重写的所有方式；然后，这只是一个枚举所有重写组合的问题，这归结为枚举所有自然的N元组

---

编辑：自然的N元组是一个油嘴滑舌的比较。但是你可以想象在重写状态上执行广度优先遍历，输出所有操作符都被重写掉的每个字符串。

我不知道如何在C#中做到这一点，但理论上是可以做到的

您需要将正则表达式转换为NFA或DFA图，使用BFS跟踪当前路径，为每条边的路径添加新字符，并在到达完成节点时打印当前路径。根据手头的正则表达式，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

，我们可以创建如下NFA图：

（a | b）*abb“>

这个NFA图既可以用来识别一个单词，也可以用来枚举所有可能的单词。我们通过不确定地遍历该图来实现这一点。这意味着，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的每个节点，我们创建一个新的不确定路径。BFS按以下顺序访问节点，每次打印：

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

对于访问的每个节点，我们有中间临时路径，如下所示：

• 0“
• 1，“e”
• 7，“e”
• 2，“ee”
• 4，“ee”
• 8，“ea”
• 3，“欧洲经济区”
• 5，“欧洲经济区”
• 9，“eab”
• 6，“欧洲经济区”
• 6，“eebe”
• 10，“eabb”
• 1，“eeaee”
• 1，“eebee”

“e”符号是表示空字符串

“

”的ε字母，在打印每个单词时应将其过滤掉

通过对图形进行BFS，我们将根据需要的边数对每个单词进行排序，以便再次使用NFA识别单词。因为图形包含一个循环，所以此过程永远不会结束

每次每个不确定路径到达结束节点10时，我们打印生成的字符串：

• “abb”
• “aabb”
• “巴布”

---

想解决这个问题吗？正则表达式不是图灵完备的。编辑：正则表达式通常不是图灵完备的。如果C#允许你编写图灵完备的正则表达式，那么是的，这是一个问题，这些特性必须被禁止。哦，我看到这也是@Oded的部分重复：不，这是关于专业环境的，我正在构建一个a可以由正则表达式解析的小型语言驱动的应用程序。我想检查我是否接受过多的单词，并且我想使用这样的生成器来创建测试。@Oded：你能解释一下为什么你认为这与停止问题有关吗？这是一个基本练习，需要使用离散有限自动机和find从开始状态到目标状态的路径（如果存在的话）（这当然假设正则表达式实际上是正则的。如果它是那些所谓的“正则”表达式之一，实际上需要一个下推自动机，那么这就变得更难了。）您可以将正则表达式转换为有限状态自动机，然后用某种启发式方法探索图形