Java 我可以确定由正则表达式模式匹配的第一个字符集吗？

我希望能够计算所有字符的集合，这些字符可以通过给定的

java.util.regex.Pattern

实例作为字符串中的第一个字符进行匹配。更正式地说，给定DFA等价于某个正则表达式，我需要从开始状态开始的所有传出转换的集合

例如：

Pattern p = Pattern.compile("[abc]def|daniel|chris|\\s+");
Set<Character> first = getFirstSet(p);

---

有什么想法吗？我很清楚，我可以自己构造DFA并以这种方式确定相关状态，但我希望避免这种麻烦（请阅读：它对我来说不值得这么多）。请注意，我的宿主语言实际上是Scala，因此我可以访问所有的核心Scala库（不管它值多少）。

我认为您可以解析正则表达式，并定义一些递归函数，以从左到右的方式对解析的正则表达式进行操作，从而建立这样一组第一

有些事情很简单：

• 顺序：first（r1r2）=first（r1）+（如果第一（r1）中的“”第一（r2）否则为空）
• 交替：第一（r1 | r2）=第一（r1）+第一（r2）
• 迭代：第一（r*）=第一（r）+”
• 字符：第一（c）=c
• CharacterClass:第一（[c1 cn]）=集合（c1，c2，…，cn）

---

将其扩展到正则表达式方言所知道的所有原语和特殊标志，这样就可以了

你可以递归地解决它

• 去掉括号并递归调用
• 在顶层拆分备选方案，并为每个部分递归调用
• 如果没有其他选择，
  • 输出所有符号，从左起到第一个无可选符号
  • 如果有字符组，则输出所有符号

这个想法可能有很多错误，但这就是我要尝试的。你必须去掉断言、组名和其他成千上万的东西。如果你发现像[^0-9]这样的倒排字符类，你必须输出大量字符

---

所以我认为这确实是一个复杂的问题。

是的，我考虑过了。这实际上与我自己构建DFA的前端是一样的。如果归结起来，也许我会这么做，但我更愿意找到一个更简单的解决方案。我不确定它比解析它（根据语言标准中的固定语法）和一些非常明显的递归要简单多少，但也许这只是我的编译结构注入了脑力，解析和递归遍历并不是很糟糕，我只是不喜欢为了得到第一个集合而不得不复制Java的正则表达式语义，我没有考虑否定类。考虑到Java使用UTF-8，第一组可能有几十万个大小。哎哟也许我会假设正则表达式可以匹配任何东西，并保持未优化状态……我只是想重写表达式-如果您可以构建一个只匹配输入表达式的第一个符号的表达式，那么您可以循环一些单个符号字符串，并测试派生表达式是否匹配。但是要获得所有字符，您必须在整个字符集上循环-Unicode需要大量的工作。我想不出一个方法来得到这样一个派生表达式。也许入侵regex实现并通过反射检查内部状态。但所有这些可能都会影响到自己编写regex实现。所以我没有（好的）想法。

{ 'a', 'b', 'c', 'd', ' ', '\n', '\r', '\t' }