Java 如何构建正则表达式的最佳AST？

我正试图通过从头构建抽象语法树（没有任何项目依赖项或工具，如Java中的cup解析器等）来构建正则表达式的解析器。我不想保存正则表达式中包含的所有信息，而是希望尽可能地简化它

例如，

x::=y | z

应导致与字符类

x::=[yz]

相同的AST。然而，由于正则表达式可能（而且确实）变得非常复杂，我无法决定要实现什么等价物。例如，我不知道如何保存否定选择

x:=[^b]

，这相当于

x:=a | c | d | e |……

---

你会做什么抽象？这些抽象中的一些会导致以后错误的AST吗？

AST表示解析的特定程序的语法（在OP的例子中，是“regex”）。通常AST是从一个实际的解析树派生出来的，它记录了输入程序的特定分解

OP建议他需要一个AST，它表示与字符类相同的字符交替。他似乎把“等价”或“规范”形式与特定的解析混淆了

通常，如果分解被规范化，可能会有不同的输入字符串、明显不同的解析树和相同的AST。这并不总是容易做到的。你可能会发现一些简单的例子（OP的例子就是其中之一），在这些例子中，可以为语言的一部分定义一个规范形式，并强制将等价的构造转换为该规范形式。一般来说，并不总是保证可以从任意等价的规范生成规范

---

或者，正如OP所建议的那样，您可能已经尝试选择了一个quandry：将[^x]表示为127个ASCII替代项的显式集合是否更好？您应该为[^]选择什么？[^]? [^你应该把字符类分开。考虑一下：Unicode定义了超过120个字符，所以<代码> [^ b] < /Code >将代表一个大约有120个成员的交互。这对于AST没有任何好处。