最初步的正则表达式引擎:生成nfa

这个版本修改了前面版本的两个个bug。

第一个：识别到字符集的时候，只是将name_number加1，却并不对reg_pattern_table[name_number]进行初始化。

第二个：识别到假名的时候，并不为他分配一个name_number,而只是在hash表中为其分配一个表项。

现在，当识别到这两个的时候，都会为之分配一个name_number，并在reg_pattern_table中正确的初始化。

相关的修改的代码都在tackle_particle()函数中。

还有对tackle_cat()函数的定义移动到了tackle_invisible_cat()函数的前面。

另外一个重大的修改就是，将当前文件分割为多文件了，原来的正则处理部分划分为reg_preprocess.h。

而新的nfa生成部分为nfa_preocess.h。

nfa_process.h基本生成了nfa，但不是按照教科书进行的，具体方法可以看代码，待会我会写一篇文章来讲我的方法。

 #include "regular_preprocess.h"
 //这个版本终于要上nfa了，好兴奋啊
 //由于连个节点之间可能有多条边，所以只能用邻接表来存储了
 //注意这里是有向图
 //对于每一个token，这里都会生成一个或多个图节点
 //但是每个token会附带另外的两个域，即这个token的开始节点和结束节点
 //因为内部节点对于外部来说是不可连接的，所以不需要暴露
 //这里有一个难题，就是空转换如何表示，这里我们必须找一个不可打印字符来代表空转换
 //楼主自己查了一下asc码表，选择了17号字符，因为
 //鬼才知道那个字符啥意思，而且看描述c语言里面也不会出现这个字符吧，
 //我看了看键盘，非常欣慰，因为我不知道怎么打出17号字符
 //好，就选它了。
 //对于nfa图，这里维护了一个图节点的数组，而这个数组组成了邻接表
 typedef struct _graph_edge_list
 {
     struct _graph_edge_list* next_edge;//下一条边的指针
     char lable_of_edge;//这个是转换条件
     int destination_number;//有向边的终点，直接用这个点在图节点数组中的索引来表示
 }graph_edge_list,*p_edge_list;
 typedef struct _node_for_token//对于每一个token，我们记录他的进入节点和终止节点，为了连接成大的nfa图用
 {
     int begin;
     int end;
 }node_for_token,pnode_for_token;
 node_for_token token_node[];
 //每一个token对应一个节点，所以100就够了，当然现在处理的是小的输入
 //注意这里有一个特殊的地方，对于括号运算符，他的内容与他的子节点的内容是一样的
 //而对于假名操作符，他的内容与他的子节点的内容也是一样的，但是他的内容永远都不会被其他节点所利用
 //因为在生成token的过程中，入栈的是他所代表的子节点，所以他的token是不会被其他的token所引用的
 //还有一个最需要注意的地方，就是每一个token都有其相对应的token_node，而且这两者的索引都相同
 //这个设定便利了nfa的处理，同时也就造就了上面说的括号与中括号的特殊性
 int token_node_number=;//这里是用来遍历整个token表的，每增加1，则token_node的内容增加1
 p_edge_list nfa_node[];//因为生成nfa的过程中可能生成四倍于输入的节点，所以定为这么大
 int nfa_node_number=;//这个是nfa中的节点的标号
 void add_edge(int nfa_node_begin,int nfa_node_end,char label)//添加边的函数
 {
     p_edge_list temp_pnode=malloc(sizeof(struct _graph_edge_list));
     temp_pnode->lable_of_edge=label;
     temp_pnode->destination_number=nfa_node_end;
     temp_pnode->next_edge=nfa_node[nfa_node_begin];
     nfa_node[nfa_node_begin]=temp_pnode;
 }
 void generate_nfa_node(void)
 {
     int reg_pattern_left;
     int reg_pattern_right;
     int reg_pattern_origin;
     int for_i,for_j;
     int add_edge_from,add_edge_to;
     //这里建立节点的时候，是从低往高来遍历标号，来生成节点的
     //因为我们在生成token的时候，保证了低标号的不会引用高标号的token，因此是一个拓扑排序
     while(token_node_number<name_number)
     {
         switch(reg_pattern_table[token_node_number].type)
         {
         case closure:
             //对于闭包运算，我们可以直接将子节点的开始节点与结束节点之间添加两条空边
             //不过这两条边的方向相反 ，偷懒哈哈
             reg_pattern_origin=reg_pattern_table[token_node_number].sub;
             add_edge_from=token_node[reg_pattern_origin].begin;
             add_edge_to=token_node[reg_pattern_origin].end;
             add_edge(add_edge_from,add_edge_to,(char));
             add_edge(add_edge_to,add_edge_from,(char));
             token_node[token_node_number].begin=add_edge_from;
             token_node[token_node_number].end=add_edge_to;
             token_node_number++;
             //处理下一个token_node
             break;
         case cat:
             //对于cat节点，那就非常简单了，只需要在原来的左节点的结束点与右节点的开始点之间连一条边
             //然后设置一下当前token_node的开始节点和结束节点
             //然后token_node_number加一，由于这里没有生成新的nfa节点，所以nfa_node_number不变
             reg_pattern_left=reg_pattern_table[token_node_number].left;
             reg_pattern_right=reg_pattern_table[token_node_number].right;
             token_node[token_node_number].begin=token_node[reg_pattern_left].begin;
             token_node[token_node_number].end=token_node[reg_pattern_right].end;
             add_edge_from=token_node[reg_pattern_left].end;
             add_edge_to=token_node[reg_pattern_right].begin;
             add_edge(add_edge_from,add_edge_to,(char));
             token_node_number++;
             break;
         case or:
             //对于or节点，需要增加两个节点和四条边，郁闷啊
             reg_pattern_left=reg_pattern_table[token_node_number].left;
             reg_pattern_right=reg_pattern_table[token_node_number].right;
             nfa_node_number++;
             //建立这个token_node的头节点，以及初始化他的邻接表
             token_node[token_node_number].begin=nfa_node_number;
             nfa_node[nfa_node_number]=NULL;
             add_edge_from=nfa_node_number;
             add_edge_to=token_node[reg_pattern_left].begin;
             add_edge(add_edge_from,add_edge_to,(char));
             add_edge_to=token_node[reg_pattern_right].begin;
             add_edge(add_edge_from,add_edge_to,(char));
             nfa_node_number++;
             //建立这个token_node的尾节点，以及增加两条指向他的边
             token_node[token_node_number].end=nfa_node_number;
             nfa_node[nfa_node_number]=NULL;
             add_edge_to=nfa_node_number;
             add_edge_from=token_node[reg_pattern_left].end;
             add_edge(add_edge_from,add_edge_to,(char));
             add_edge_from=token_node[reg_pattern_right].begin;
             add_edge(add_edge_from,add_edge_to,(char));
             token_node_number++;
             break;
         case parenthesis:
             token_node[token_node_number].begin=token_node[reg_pattern_table[token_node_number].sub].begin;
             token_node[token_node_number].end=token_node[reg_pattern_table[token_node_number].sub].end;
             token_node_number++;
             break;
         case  alias:
             //对于假名，直接初始化他的开始节点和结束节点就行了，反正也没人会用它了
             token_node[token_node_number].begin=token_node[reg_pattern_table[token_node_number].origin_number].begin;
             token_node[token_node_number].end=token_node[reg_pattern_table[token_node_number].origin_number].end;
             token_node_number++;
             break;
         case literal_char:
             //对于单字符，直接新建两个节点，然后在这两个节点中建立一条边
             //然后初始化token_node
             nfa_node_number++;
             nfa_node[nfa_node_number]=NULL;
             token_node[token_node_number].end=nfa_node_number;
             add_edge_to=nfa_node_number;
             nfa_node_number++;
             nfa_node[nfa_node_number]=NULL;
             token_node[token_node_number].begin=nfa_node_number;
             add_edge_from=nfa_node_number;
             add_edge(add_edge_from,add_edge_to,reg_pattern_table[token_node_number].value);
             token_node_number++;
             break;
         case set_of_char:
             for_i=reg_pattern_table[token_node_number].begin;
             for_j=reg_pattern_table[token_node_number].end;
             nfa_node_number++;
             //增加一个节点，当前是作为尾节点
             token_node[token_node_number].end=nfa_node_number;
             nfa_node[nfa_node_number]=NULL;
             add_edge_to=nfa_node_number;
             nfa_node_number++;
             //增加一个节点，作为头节点
             add_edge_from=nfa_node_number;
             token_node[nfa_node_number].begin=nfa_node_number;
             nfa_node[nfa_node_number]=NULL;
             for(for_i;for_i<=for_j;for_i++)
             {
                 //对于字符集里面的每个字符，都需要增加一条边
                 add_edge(add_edge_from,add_edge_to,(char)for_i);
             }
             token_node_number++;
             break;
         case maybe_exist:
             //处理问号运算符，其实这个就比较简单了，只需要在子表达式的头节点与尾节点之间加一条空边
             reg_pattern_origin=reg_pattern_table[token_node_number].sub;
             add_edge_from=token_node[reg_pattern_origin].begin;
             add_edge_to=token_node[reg_pattern_origin].end;
             add_edge(add_edge_from,add_edge_to,(char));
             token_node_number++;
             break;
         case one_or_more:
             //这种情况下，我另外建立一个节点当作本token的尾节点
             //然后添加两条空边，起点都是子节点的尾节点，终点一个是子节点的开始节点
             //另外一个就是当前节点的尾节点
             nfa_node_number++;
             //这个节点是作为当前节点的尾节点
             nfa_node[nfa_node_number]=NULL;
             token_node[token_node_number].end=nfa_node_number;
             add_edge_to=nfa_node_number;
             reg_pattern_origin=reg_pattern_table[token_node_number].sub;
             add_edge_from=token_node[reg_pattern_origin].end;
             add_edge(add_edge_from,add_edge_to,(char));
             add_edge_to=token_node[reg_pattern_origin].begin;
             add_edge(add_edge_from,add_edge_to,(char));
             token_node_number++;
             break;
         default:
             printf("a type can't be recognised, please check\n");
             token_node_number++;
             break;
         }
     }
 }