问题描述
我关注的是Therms之间非常重要的区别：“ LL(k)解析器”和“ LL(k)语法解析器”。遇到LL(1)回溯解析器时，它可以{strong>是一个用于LL(k)语法的解析器，因为它可以解析它们，但是它的不能 {{ 1}}解析器，因为它不使用LL(k)标记从语法中的单个位置向前看，而是通过回溯可能的情况进行探索，而不管它仍使用k标记进行探索。
我说的对吗？
该问题可能会分解为执行预见的方式。如果前瞻实际上仍在使用回溯处理语法，则不会使其成为k解析器。要成为LL(k)解析器，解析器不得使用带有回溯机制的语法，因为那样的话，它将是“ LL(k)带有回溯的解析器，可以解析LL(1)语法”。
我又对吗？
我认为差异与以下期望有关：LL(k)解析器每个令牌使用LL(1)时间，而constant解析器最多使用LL(k)（线性每个令牌的前瞻时间），不是 k * constant，就像在回溯解析器中一样。
更新1：为简化起见-每个令牌，解析exponential time相对于LL(k)是指数运行还是相对于k线性运行？
更新2：我将其更改为k，因为问题与LL(k)的范围（整数或无穷大）无关。
解决方法
LL（k）解析器需要在内循环中的每个点执行以下操作：
-
收集下一个 k 输入符号。由于这是在输入的每个点上完成的，因此可以通过将超前向量保持在循环缓冲区中，从而在恒定时间内完成此操作。
-
如果预测堆栈的顶部是终端，则将其与下一个输入符号进行比较；要么两者都被丢弃，要么发出错误信号。显然，这是恒定的时间。
-
如果预测堆栈的顶部是非终结符，则使用非终结符，当前状态和当前超前向量作为键来查询动作表。 （并不是所有的LL（k）解析器都需要维护一个状态；这是最通用的表示形式。但这并不会影响复杂性。）此查找也可以在恒定时间内完成，再次利用增量超前向量的性质。
-
通常通过将所选产品的右侧推入堆栈来完成预测动作。天真的实现将花费与右侧长度成正比的时间，该长度与前瞻
k或输入N的长度均不相关，而与语法本身。只需将引用推到右侧，就可以避免这项工作的可变性，因为引用可以像符号列表一样使用（因为在解析期间该列表不能更改）。但是，这还不是全部。执行预测动作不会消耗输入，并且有可能甚至可能为单个输入符号进行多个预测。同样，预测的最大数目仅与语法本身有关，与
k或N都不相关。更具体地，由于不能在不违反LL属性的情况下在同一位置两次预测相同的非终结点，因此预测的总数不能超过语法中的非终结点的数量。因此，即使您确实将整个右手侧压入堆栈，在连续的移位操作之间压入的符号总数也不能超过语法的大小。 （每个右侧最多可以推一次。实际上，一个给定非终端的只能推一个右侧，但是几乎每个非终端都可能只有一个右侧，所以如果仅将一个引用压入堆栈，则连续移位动作之间被压入的对象数（即，两个连续移位动作之间的预测动作数）不能超过该大小非终结字母的形式。 （但是，
|V|可能是O(|G|)。
我相信，Lewis and Stearns（1968）建立了LL（k）解析的线性，但是我现在手边没有该论文，所以我将向您介绍Sippu＆Soisalon中的证明-Soininen的解析理论（1988），在第5章中针对强LL（K）（由Rosenkrantz & Stearns 1970定义）进行了证明，在第八章中对规范LL（K）进行了证明。
简而言之，LL（k）算法在转移两个连续的输入符号之间花费的时间预计为O(|G|)，这与k和N无关（并且，当然，对于给定的语法来说是恒定的。
这实际上与LL(*)解析器没有任何关系，因为LL(*)解析器不仅会尝试连续的LL(k)解析（无论如何都不可能）。对于Terence Parr提出的LL(*)算法（这是我所知的唯一参考文献，它定义了LL(*)的含义），在两次连续换档之间可以花费的时间没有限制。解析器可能会将前瞻性扩展到整个其余输入（因此，时间复杂度取决于输入的总大小），或者它可能会故障转移到回溯算法，在这种情况下，定义起来会更加复杂什么是“处理输入符号”。
建议您阅读 Aho Ullman Volume 1 的第 5.1 章。
https://dl.acm.org/doi/book/10.5555/578789
- LL(k) 解析器是一种 k 预测算法（k 是前瞻整数 >= 1）。
- LL(k) 解析器可以解析任何 LL(k) 文法。 （第 5.1.2 章）
- 对于所有 a,b 你有一个 LL(b) 语法也是一个 LL(a) 语法。但反过来就不是这样了。
- LL(k) 解析器是预测性的。所以没有回溯。
- 所有 LL(k) 解析器都是 O(n) n 是解析句子的长度。
- 了解 LL(3) 解析器的解析速度并不比 LL(1) 快，这一点很重要。但是 LL(3) 解析器可以比 LL(1) 解析更多的语法。 （见第 2 点和第 3 点）