正则表达式与自动机
本章介绍了自然语言处理的最重要的基本概念：自动机，还介绍了一种基于自动机的实用工具，即正则表达式。
- 正则表达式是模式匹配的有力工具
- 正则表达式的基本运算包括符号的毗边、符号的析取（[],|以及.）、计数符（*,+以及{n,m}），锚号（^和$）和前于关系运算（(和)）。
- 任何正则表达式都可以实现为一个有限状态自动机。
- 存储器（\1以及()）是一个高级运算，它经常作为正则表达式的一部分，但不能实现为有限自动机。
- 自动机把形式语言定义为隐含地被自动机所接收的符号串的集合。
- 自动机可以使用任何符号集合作为它的词汇，包括字母、单词甚至图形。
- 确定的自动机（DFSA）的行为完全由它的状态来决定。
- 非确定的自动机（NFSA）对于相同的当前状态和下一状态，有时必须在多条路径之间进行选择。
- 任何一个NFSA都可以转换为一个DFSA。
- NFSA在进程表中探索下一个状态的顺序决定了它的搜索策略。深度优先和后进先出策略相当于把进程表看成栈；宽度优先和先进先出策略相当于把进程表自成队列。
- 任何正则表达式都可以被自动编译为NFSA，因此也就可以被编译为FSA。