通过TTT算法推断DFA来学习正则语言
本文是TTT算法的完整Python实现教程，用于主动自动机学习。文章详细对比了TTT与L*算法在反例分析和判别树结构上的差异，解释了前缀变换和判别器最终化等优化技术如何消除冗余成员查询，并提供了可交互的代码实现。
评论
点赞
收藏一个简单的运行时不变量挖掘器
本文在Python中完整实现了一个Daikon风格的运行时不变量挖掘器。文章详细讲解了如何利用程序追踪收集变量状态，生成候选不变量，并通过蕴含关系进行抑制去重。作者不仅提供了核心算法代码，还深入探讨了作用域程序点、前后置关系等高级话题，旨在解决软件测试中的预言机问题，为回归测试提供自动化规范。
使用RPNI算法学习正则语言
本文详细讲解了RPNI算法，这是一种通过正负样本推断正则语言规范的经典被动语法推理算法。文章提供了完整的Python实现，包括构建前缀树接收器（PTA）、状态合并以及一致性检查，并探讨了基于NFA的改进版本。内容适合对形式语言、模糊测试、逆向工程及算法实现感兴趣的开发者。
GNU Makefile 最佳实践指南
基于Sun Microsystems经验总结的GNU Makefile编写最佳实践。涵盖自动变量使用、部分目标陷阱、哨兵文件、依赖显式传递、伪目标命名、时间戳依赖、隐式规则移除、幂等性、清理规范及管道失败处理等工程细节。适合构建复杂构建系统的开发者参考。
在Python中构建微型Prolog解释器
这是一篇技术教程，详细展示了如何在Python中从零实现一个微型Prolog解释器。文章涵盖了变量、谓词、目标、列表、环境、合一算法和回溯解析等核心概念，并提供了完整的代码实现及合并排序、表达式解析等测试用例。
Earley解析器：带Leo优化的Python完整实现
这是一篇关于Earley解析算法的Python实现教程，包含Leo优化。文章提供了完整的可运行代码、详细的图表解析步骤解释以及处理歧义和空字符串生成的方法，适合对编译原理和解析器实现感兴趣的开发者。
Python 元循环解释器实现详解
作者实现了一个基于Python AST模块的元循环解释器（MCI），详细展示了如何处理模块、表达式、控制流、作用域和符号表。文章不仅提供了代码实现，还解释了MCI在符号执行、污点追踪和语言扩展等方面的潜在应用，适合对语言设计和解释器原理感兴趣的开发者。
基于搜索的模糊测试：计算分支距离
本文深入讲解基于搜索的模糊测试（Search Based Fuzzing）中分支距离（Branch Distance）的计算方法。作者通过Python代码实现了一个元循环解释器，详细演示了如何计算条件分支的距离、归一化以及结合接近度（Approach Level）来评估输入 fitness。内容包含大量具体的AST变换逻辑和代码实现，适合对自动化测试算法和模糊测试底层原理感兴趣的技术读者。
基于搜索的模糊测试：计算接近度指标
文章深入讲解了基于搜索的模糊测试中“接近度（Approach Level）”这一核心指标的计算方法。作者通过Python代码实现了控制流图（CFG）的提取、支配树计算及控制依赖分析，详细演示了如何量化执行路径与未覆盖代码节点之间的距离，从而指导模糊测试生成更有效的输入以覆盖更多程序分支。
使用K-Path策略进行语法测试的语法覆盖率
本文介绍了一种基于上下文无关语法的测试用例生成方法，即K-Path策略。作者通过Python代码演示了如何从语法定义中计算K-Path，并生成覆盖这些路径的测试用例，旨在解决传统语法测试无法覆盖输入特征组合的问题。
为乐趣与实用构建文法
本文介绍了一种通过编写语法生成器（Grammar Fuzzer）来反向构建上下文无关文法（CFG）以解析自定义数据格式的方法。作者通过Python代码示例，从简单的正则表达式生成器出发，逐步扩展规则，最终将生成逻辑转换为解析器可用的文法定义，并讨论了LL(1)和PEG解析器的注意事项。
使用L*算法学习正则语言
本文提供Angluin L*算法的Python完整实现，结合PAC学习框架，用于从黑盒程序中推断正则语言语法。文章详细解释了观察表（Observation Table）的构建、闭合性与一致性检查，以及如何将表转换为DFA和语法，并嵌入Python解释器供读者逐步实践。该实现主要应用于模糊测试（Fuzzing）场景。