Regex 检查正则表达式是否不明确

我想知道是否有一种方法可以自动检查正则表达式的歧义性。如果有一个字符串可以通过正则表达式中的多个方式进行匹配，则正则表达式被认为是不明确的。例如，给定一个正则表达式

R=（ab）*（a | b）*

，我们可以检测到

R

是一个不明确的正则表达式，因为有两种方法可以从R中匹配字符串

ab

更新

---

问题是如何检查正则表达式的定义是否不明确。我知道在regex机制的实际实现中，总是有一种方法可以匹配regex，但请以学术的方式阅读和思考这个问题。

你忘记了贪婪。通常一个部分获得第一个DIB，因为它是一个贪婪的匹配，所以没有歧义

如果你说的是一个神话般的模式匹配引擎，没有像贪婪这样的实际细节；那么答案是可以的

考虑模式的每个元素。并针对每个可能的字符串尝试每个可能的子集。如果有多个子集与同一模式匹配，则存在歧义。优化此过程以缩短无限时间是读者的一项练习。

一个可能的解决方案：

为regexp构造一个NFA。然后分析NFA，从仅由初始状态组成的一组状态开始。然后进行深度或宽度优先遍历，跟踪是否可以处于多个状态。您还需要跟踪所采用的路径，以消除循环

例如，您的

（ab）*（a | b）*

可以用三种状态建模

 |   a   |   b
p| {q,r} |  {r}
q|  {}   |  {p}
r|  {r}  |  {r}

其中p是起始状态，p和r接受

---

您需要同时考虑两个字母，并继续进行集合{q，r}和{r}。集合{r}只导致{r}给出一个循环，我们可以关闭该路径。集合{q，r}，从{q，r}a将我们带到{r}，这是一个接受状态，但是由于这个路径不能接受，如果我们从q开始，我们这里只有一条路径，我们可以在确定循环时关闭它。从{q，r}得到一个b将我们带到{p，r}。因为这两个都接受，我们已经确定了一个模糊的位置，我们可以得出结论，regexp是模糊的。

我读了一篇发表在1980年左右的论文，该论文表明正则表达式是否模糊可以在O（n^4）时间内确定。我希望我能给你推荐信，但是 我不再知道参考资料，甚至不知道杂志。 确定正则表达式是否不明确的更昂贵的方法是构造 使用子集构造从正则表达式得到的有限状态机（最坏情况下在时间和空间上为指数）。现在考虑从NFA状态构造的FSM的任何状态X。 对于任意两个nfa状态n1，n2/X，follow（n1）相交follow（n2）则不为空 正则表达式是不明确的。如果FSM的任何状态都不是这样，则

---

正则表达式不是不明确的。

正则表达式是不明确的当且仅当相应的Glushkov自动机是不确定的。这可以在线性时间内完成。给你。顺便说一句，确定性正则表达式也以一个明确的名称进行了研究。

这与其说是答案，不如说是评论；）r3mus。不，不是！假设两个选项都同样贪婪，那么“ab”将始终与第一个表达式匹配。因此，结果在任何情况下都是可预测的，没有歧义。贪婪性是特定正则表达式引擎的属性，而不是抽象的正则表达式。问题没有具体说明如何解释它；例如，没有任何语言标记。当您无法匹配时，该怎么办？引擎仍然必须尝试所有可能性：。不管怎样，问题中的模式只是一个例子。如果你说由于“贪婪”，模棱两可从来都不是问题，那你就大错特错了。如果可能的话，我通常会尝试让我的模式只以一种方式匹配，当它们不能匹配时，我会很快失败。那么模式

（ab）*（a | b）{100}

呢？“贪婪”对你有什么作用？只是出于好奇，你为什么要这么做？嗯，我不清楚我将如何使用它，但我相信会有几个应用程序。我仍在研究这个问题，所以稍后我会给出更详细的答案。自动测试是否需要自己生成目标字符串

ab

，还是会提交？有趣的问题。我认为你应该把问题扩大一点。首先，你应该解释你所说的“模棱两可”是什么意思，因为这可以用多种方式来解释。接下来，您是在谈论学术正则语言，还是现代正则表达式实现？这些都不一样。我知道我的答案不会很有帮助，但是还没有人提到。任何严肃的反应都需要自动机理论或一些严格的数学证明。也许在另一个网站，甚至在stackexchange，你会得到更好的答案。你的问题更多的是关于数学或计算机科学，而不是关于编程。为什么表中的（p，a）单元格中有{q，r}？我想应该是{q}对吧？为什么我们没有$\epsilon$字符呢？在p状态下，您要么在匹配的开始，要么刚刚匹配完

（ab）

的一个实例。在此状态下，当您看到a时，您可以启动一个新的

（ab）

，它将您带到状态q，或者您可以启动一个

（a | b）

，它将您带到状态r。Posix标准regexp没有锚定，因此匹配不需要在字符串的末尾结束，这就是为什么我不包括epsilon。谢谢，我明白你的意思。但我仍然不能把它推广到解决一般问题上。。。