问pyparsing之后的下一步是什么？

EN

看起来pyparsing的人已经预料到你的问题了。来自https://github.com/pyparsing/pyparsing/blob/master/HowToUsePyparsing.rst：

对于复杂的语法和/或大型输入字符串，pyparsing的

性能可能会很慢。psyco包可用于在不更改语法或程序逻辑的情况下提高pyparsing模块的速度-观察到的改进在20-50%的范围内。

然而，正如万格尔在下面的评论中指出的那样，截至2012年3月，psyco是一个过时的项目。它的后继者是PyPy项目，该项目从相同的基本性能方法开始:使用JIT本机代码编译器而不是字节码解释器。如果切换PyPy实现对您有效，那么您应该能够获得类似或更大的收益。

如果你真的很喜欢速度，但又想保留一些易读性和声明性语法，我建议你看看ANTLR。可能不是Python生成后端；我怀疑它是否足够成熟或高性能来满足您的需求。我说的是好东西:开启这一切的C后端。

在解析器的入口点周围包装一个Python C扩展模块，并使其松散。

话虽如此，在这个过渡过程中，您将放弃很多东西:基本上，您想在解析器中执行的任何Python都必须通过C API完成(并不完全美观)。此外，你还必须习惯于完全不同的做事方式。ANTLR有它的魅力，但是它不是基于组合符的，所以你的语法和你的语言之间不存在像pyparsing那样简单和流畅的关系。另外，它有自己的DSL，很像lex/yacc，它可以呈现一个学习曲线-但是，因为它是基于LL的，你可能会发现它更容易适应你的需求。

切换到生成的C/C++解析器(使用ANTLR、flex/bison等)。如果你可以延迟所有的动作规则，直到你完成解析之后，你也许能够用简单的代码构建一个AST，然后通过像SWIG这样的东西将它传递回你的python代码，并使用你当前的动作规则对其进行处理。OTOH，为了给你带来速度提升，解析必须是繁重的工作。如果你的动作规则是很大的代价，那么这不会给你带来任何好处，除非你也用C编写你的动作规则(但你可能无论如何都要这样做，以避免为你得到的python和C代码之间的阻抗不匹配买单)。

如果您真的想要大型语法的性能，只需看看SimpleParse (它本身依赖于mxTextTools，一个C扩展)。然而，现在要知道，它的代价是变得更加隐秘，并要求您精通EBNF。

这绝对不是Pythonic式的路线，您必须从头开始使用EBNF语法才能使用SimpleParse。