thinking in tree

树，这可能是我们最经常面对的结构，它有很好的性质，我们表达树，分析树，转换树，似乎树也是非常适合人脑思考的一种模式。这里，我随想几个例子。

1. parse过程，输入将符号流，根据一个BNF规则，翻译输出为语法树，
    1.1 BNF的表达
        token作为原子，
                    and, or 两种复合结点类型，表示顺序和选择，如果从复合结点连线到子结点，其实表示的是一个图，而我们把递归处的子结点收起来，表示成一颗树。
    1.2 语法树生成
        这里只讨论，最简单的递归向下算法，是自上而下，自左而右，遍历1.1 的树进行匹配，需要注意左递归问题，解决方法
            1.2.1
                改写树，为非左递归，此处也可处理公共因子提取等优化
            1.2.2
                递归结点加访问标记，是否符号流有step，决定是否匹配
            
2.状态机
    我想抽象出一个可复合的状态机表示，类似于例1里的BNF，我们势必需要规定出，原子状态，复合状态，(这里我舍弃掉符号动作的问题，我用动作本身表示为状态) 
        持续结点(state)
            原子
                goto
                                    eat
            并发状态(par)
                比如说，人走路同时吃东西
                    par
                        walking
                        eating
                                        
            顺序状态(seq)
                比如说，人先走到A点，然后走到B点，
                    seq
                        run2A
                        run2B
        
        将状态机理解成一个类的对象，每一个状态其实就是一个动作的发生，一个API的调用，如何结构化呢，
        
        增加一些可用的结点，
            决策结点(pred)
                原子
                    是否到了A点，
                    
                与(and)      
                或(or)                   
                非(not)
                条件(if)
            
        这样我们足以表达一些这个带有逻辑的状态机
            我打算走到A，然后去到B，我一路吃完fa，接着吃fb，到达目的地我就不能够再进食，
            
            walking = 
                seq
                    goto('A')
                    goto('B')
                    set_flag('stop_flag'))
            
            eating = 
                if
                    not('stop_flag'), 
                    seq
                        eat('fa')
                        eat('fb')
            
            trip = 
                par
                    walking
                    eating
        
        你说看的有点眼熟？对，这就是一种行为树