最大munch算法是通过向DFA执行器添加少量可变状态，并添加DFA执行器“倒带”输入的能力来实现的：实际上，为它提供了像tell()和seek()这样的函数。
值得注意的是，DFA是不完整的，因为转换函数是不完整的。一些{state, input}对没有定义的结果。[注2]
考虑到这一点，算法如下：

Set Accepted NFA State to ⊥
Set Accepted Position to Tell(Input Stream)
Set State to Starting State
Repeat:
  If State ∈ Accepting:
    Set Accepted NFA State to Accepting NFA State for State  [Note 1]
    Set Accepted Position to Tell(Input Stream)
  Read one symbol from Input Stream into Next Symbol
  If there is a transition from {State, Next Symbol} to New State:
    Set State to New State
    Continue the loop
  Otherwise:
    Rewind Input Stream to Accepted Position
    Return Accepted NFA State

如果算法返回，则没有识别出令牌，并且输入流将被倒回初始位置。
备注：

1. NFA通常在状态和接受动作之间有一个明确的同态关系，但是DFA构造算法可以将两个接受NFA状态与不同的动作组合在一起。在这种情况下，flex算法将优先级给予输入文件中的第一个动作。在上面的算法中，我们通过将每个接受DFA状态Map到具有优先级的接受NFA状态的组件来表示这一点。
   1.通过添加一个额外的（且唯一的）sink状态来完成DFA是很容易的，该状态是不可接受的，并且只具有到自身的转换。然后我们可以添加sink状态作为任何其他未指定转换的转换。如果我们调用sink状态，那么将清楚如何修改提供的算法;在实践中，这是完全没有必要的，因为在实践中，我们不关心DFA是不完整的，但它确实对状态最小化算法有一些影响。