很多网站都说packrat解析器可以在线性时间内解析输入。
因此，初看起来他们比由工具yacc或bison构建的LALR解析器更快。
我想知道当使用公共输入（如编程语言源文件）而不是任何理论输入进行测试时，packrat解析器的性能是否比LALR解析器的性能更好/更差。
有没有人能解释这两种方法之间的主要区别。
谢谢！
很多网站都说packrat解析器可以在线性时间内解析输入。
因此，初看起来他们比由工具yacc或bison构建的LALR解析器更快。
我想知道当使用公共输入（如编程语言源文件）而不是任何理论输入进行测试时，packrat解析器的性能是否比LALR解析器的性能更好/更差。
有没有人能解释这两种方法之间的主要区别。
谢谢！
我不是packrat解析的专家，但你可以在这里了解更多 在维基百科上解析表达式语法。
我还没有挖掘它，所以我假设packrat解析的线性时间表征是正确的。
L（AL）R解析器 是 线性时间解析器也是。所以从理论上讲，packrat和L（AL）R解析器都不是“更快”。
重要的是，实际上，当然是实施。 L（AL）R状态转换可以在很少的机器指令中执行（“在向量中查找令牌代码，获得下一个状态和动作”），因此它们在实践中可以非常快。通过“编译”L（AL）R解析到机器代码，你可以得到闪电般快速的解析器，如图所示 这是1986年关于非常快速LR解析的Tom Pennello论文。 （机器比现在快20年 他 写了这篇论文！）。
如果packrat解析器正在存储/缓存结果，它们可能是线性时间，但我猜测常量开销会非常高，然后实际上L（AL）R解析器会更快。我听到的YACC和Bison实现非常好。
如果您关心答案，请仔细阅读基本技术论文;如果你 真 小心，然后实现其中一个并检查开销常量。我的钱强烈地依赖于L（AL）R。
观察：大多数语言前端不会花费大部分时间“解析”;相反，他们花了很多时间进行词汇分析。优化（你的生物说你是），解析器速度无关紧要。
（我曾经构建过LALR解析器生成器和相应的解析器。我不再这样做了;相反，我使用了 GLR解析器 这在实践中是线性时间，但处理任意无上下文的grammmars。我放弃了一些性能，但我可以[并且做，看看bio]为许多语言构建了数十种解析器而没有太多麻烦。）
我不是packrat解析的专家，但你可以在这里了解更多 在维基百科上解析表达式语法。
我还没有挖掘它，所以我假设packrat解析的线性时间表征是正确的。
L（AL）R解析器 是 线性时间解析器也是。所以从理论上讲，packrat和L（AL）R解析器都不是“更快”。
重要的是，实际上，当然是实施。 L（AL）R状态转换可以在很少的机器指令中执行（“在向量中查找令牌代码，获得下一个状态和动作”），因此它们在实践中可以非常快。通过“编译”L（AL）R解析到机器代码，你可以得到闪电般快速的解析器，如图所示 这是1986年关于非常快速LR解析的Tom Pennello论文。 （机器比现在快20年 他 写了这篇论文！）。
如果packrat解析器正在存储/缓存结果，它们可能是线性时间，但我猜测常量开销会非常高，然后实际上L（AL）R解析器会更快。我听到的YACC和Bison实现非常好。
如果您关心答案，请仔细阅读基本技术论文;如果你 真 小心，然后实现其中一个并检查开销常量。我的钱强烈地依赖于L（AL）R。
观察：大多数语言前端不会花费大部分时间“解析”;相反，他们花了很多时间进行词汇分析。优化（你的生物说你是），解析器速度无关紧要。
（我曾经构建过LALR解析器生成器和相应的解析器。我不再这样做了;相反，我使用了 GLR解析器 这在实践中是线性时间，但处理任意无上下文的grammmars。我放弃了一些性能，但我可以[并且做，看看bio]为许多语言构建了数十种解析器而没有太多麻烦。）
我是LRSTAR的作者，LRSTAR是一个开源的LR（k）解析器生成器。因为人们对它表现出兴趣，所以我把产品重新上线了 LRSTAR.ORG。
多年来，我研究过LALR解析器和DFA词法分析器的速度。 Tom Pennello的论文非常有趣，但更多的是学术练习，而不是编译器的真实解决方案。但是，如果您只想要一个模式识别器，那么它可能是您的完美解决方案。
问题是现实世界的编译器通常需要做的不仅仅是模式识别，例如对传入符号的符号表查找，错误恢复，提供期望列表（语句完成信息），以及构建抽象语法树，同时解析。
1989年，我将LRSTAR解析器的解析速度与“yacc”进行了比较，发现它们的速度是“yacc”解析器的2倍。 LRSTAR解析器使用文章中发表的想法：“便携式编译器的解析器表的优化”。
对于lexer（词法分析）速度，我在2009年发现“re2c”产生最快的词法分析器，大约是“flex”产生的速度的两倍。那时我正在重写LRSTAR词法分析器生成器部分，并找到了一种方法，使得词法分析器几乎和“re2c”一样快，而且要小得多。但是，我更喜欢LRSTAR生成的表驱动词法分析器，因为它们几乎一样快，代码编译速度更快。
BTW，LRSTAR生成的编译器前端可以以每秒2,400,000行或更快的速度处理源代码。 LRSTAR生成的词法分析器每秒可处理30,000,000个令牌。测试计算机是一台3.5 GHz的机器（从2010年开始）。
[2015/02/15]这是1986年关于非常快速LR解析的Tom Pennello论文
http://www.genesishistory.org/content/ProfPapers/VF-LRParsing.pdf
表演主要是语言设计的问题。对于每种语言，都会有一种最适合的方法，技术或解析器生成器。
我无法在没有更多思考的情况下证明它，但我认为没有什么可以击败自上而下的下降解析器，其中语义驱动解析器，并且解析器在性能方面驱动词法分析器。它也是实现中最通用和易于维护的之一。
我知道这是一个旧帖子，但大约一个月前，我偶然发现了这篇论文： https://www.mercurylang.org/documentation/papers/packrat.pdf 并且今天意外地看到了这篇文章。
该文件的淡化版本说：packrat memoisation是一个混合的祝福。如果你有一些启发式方法可以达到最佳结果，那么这个规则或另一个规则的匹配程度。从本质上讲，只记住具有以下两个属性的规则才有意义：（1）少数元素，（2）非常常见。