那里有许多不同的解析算法（递归下降、LL(k)、LR(k)、LALR，...）。我找到了很多关于不同类型的解析器可以接受的不同语法的信息。但是它们在运行时行为上有什么不同呢？哪种算法更快，使用更少的内存或堆栈空间？
或者换一种说法——假设语法可以与任何算法一起使用，哪种算法性能最好？
【问题讨论】：
标签： algorithm parsing language-agnostic
LR 解析器恕我直言，可能是最快的。基本上，他们使用令牌作为前瞻集或转换表的索引来决定下一步做什么（推送状态索引，弹出状态索引/调用缩减例程）。转换为机器代码，这可能只是一些机器指令。 Pennello 在他的论文中详细讨论了这一点：
Thomas J. Pennello：非常快的 LR 解析。 SIGPLAN 编译器构建研讨会 1986：145-151
LL 解析器涉及递归调用，这比简单的表查找要慢一些，但它们可以非常快。
GLR 解析器是 LR 解析器的泛化，因此 必须 比 LR 解析器慢。一个关键的观察结果是，在大多数情况下，GLR 解析器的行为与 LR 解析器完全相同，并且可以使该部分的运行速度与 LR 解析器基本相同，因此它们可以相当快。
您的解析器可能会花费更多时间将输入流分解为标记，而不是执行解析算法，因此这些差异可能并不重要。
在将语法转化为可用形式方面，以下是解析技术“使其变得容易”的顺序：
【讨论】：
我研究了 LRSTAR 和 YACC 之间的 LR 解析器速度。
1989 年，我将论文中定义的矩阵解析器表"Optimization Of Parser Tables For Portable Compilers" 与 YACC 解析器表（梳状结构）进行了比较。这些都是 LR 或 LALR 解析器表。我发现矩阵解析器表的速度通常是梳状解析器表的两倍。这是因为非终结转换（goto 动作）的数量通常是终结转换数量的两倍左右。矩阵表具有更快的非终结转换。但是，除了状态转换之外，解析器中还有许多其他事情发生，因此这可能不是瓶颈。
在 2009 年，我将矩阵词法分析器表与 flex 生成的词法分析器表以及 re2c 生成的直接代码词法分析器进行了比较。我发现矩阵表的速度大约是 flex 生成表的两倍，几乎与 re2c 词法分析器代码一样快。矩阵表的好处是它们比直接代码表编译得更快，而且它们更小。最后，如果您允许矩阵表非常大（没有压缩），它们实际上可以比直接代码 (re2c) 表更快。有关显示比较的图表，请参阅：the LRSTAR comparison page
使用 LRSTAR 构建的编译器前端（无预处理）每秒处理大约 2,400,000 行代码，其中包括在解析和词法分析时构建符号表和抽象语法树。使用 DFA 构建的词法分析器每秒处理 30,000,000 个令牌。使用 DFA 时，矩阵表驱动的词法分析器还有另一个优势。词法分析器骨架可以用汇编语言重写。当我在 1986 年这样做时，词法分析器的速度是 C 代码版本速度的两倍。
我对 LL 解析器速度或递归下降解析器速度没有太多经验。对不起。如果 ANTLR 可以生成 C++ 代码，那么我可以对其解析器进行速度测试。
【讨论】：