我想到一种很自然的解决方法：

把栈表达为 [Base(0), Tail(+), Base(2), Tail(*), Base(3!4!1)] 的形式
然后我们回溯的时候修改一下策略，让它结合 lhs=pop() 就可以了

新程序！

好像没问题？ （0 是 3!1 的结果）

0+1*(2!3) 准备回溯。

回溯完成，得 2 正确。
每次由归纳程序 reduce 从栈上 pop 出一个项目
如果是 join，则 join 又会从栈上 pop 一个项目，作为 reduce 的 base

不过这样实际上就作了一个断言：栈后面的全是结合性弱的，而且这部分全都是往右结合

我相信这断言是正确的，因为如果有打破它的情况，早就在 stack.mapTop {} 的时候被结合了

新的，带基于栈的 infix 链扫描算法的 Calc.kt 例子

这是上一个，只比它小 1K

现在是愉快的跑分时间~
我将随机生成 5个甚至2 个字符长度的 number，性能优化dssq。
2 个甚至 1 个的空白 ' '
[+-*/!] 里随机选的中缀

重复 5k 个这样的 0 {op whitespace num}
然后比较两个算法（递归 vs. 显式栈）处理的性能（时间开销）

Code: 70 - 96991 - 4464 / 0834 * 6187 - 80 * 75 + 18840 ! 1892 ! 77 - 16463 + 008 / 958 * 01 ... utf16-size=147KB
Launch parse using system stack 14032681694858
= 0
Finish parse using system stack in 14192923ns
Launch parse using ADT stack 14032696090696
= -138278
Finish parse using ADT stack in 1966603ns

好像自动生成的代码很容易 Division by zero…… 管它呢，我不会多做修改的（因为那要维护一个栈……）
结果是完全随机的，不过也很容易理解，就是里面哪怕有一个 *0，结果都是 0。

咱也看到了，的确是有优化的意味呢（迫真）
147KB 的输入，咱的算法足足比原算法快 (14192923-1966603) = 12226320 纳秒
也就是快 0.0122263 秒……

我突然觉得我做的很没意义，emmm

Code: 70395 * 748 - 090 * 984 - 29787 * 959 * 65 * 66 - 083 - 54 / 277 + 00 * 55860 + 7523 ... utf16-size=147KB
Launch parse using system stack 14506658662754
= 0
Finish parse using system stack in 13886095ns
Launch parse using ADT stack 14506672751297
= -1954497720
Finish parse using ADT stack in 2009080ns

第二次测试（在N次失败:栈溢出/Division By Zero后）ADT版依然比递归下降版快 11877015ns
也就是足足快 0.011877s
……在输入足足有147K的情况下

人急了是要上 TLS(ThreadLocalStorage) 的！

不过这是Kotlin/Native的…… 真是
显然这个东西不同平台要有不同实现(Kotlin/multiplatform)
不过因为这里是单线程使用，允许我偷下懒。

艹，Kotlin真骚，凭什么 timed 的 block 里面的错误 timed 外面的 catch 就抓不着了？

我很无奈，虽然咱的Kotlin不萌但是我依然要接受它

对啊，我怎么没想到这两个版本对相同输入输出都不一样呢？肯定有一个是错的…… 这真是太残酷了

我终于智障了， 不仅仅算法可能不正确，而且性能也辣鸡。

== summary ==
systemStack: 10 reports
of: 208.887micros, 130.996micros, 49.153micros, 146.203micros, 56.491micros, 47.472micros, 59.137micros, 20.813micros, 21.265micros, 46.551micros
min=20.813micros, max=208.887micros, mean=78.6968micros

AdtStack: 10 reports
of: 1.527514ms, 289.857micros, 71.758micros, 108.715micros, 117.732micros, 111.343micros, 124.688micros, 76.04micros, 48.207micros, 119.849micros
min=48.207micros, max=1.527514ms, mean=259.5703micros

ADT Stack 的性能一点也不比用纯递归的好，艹。
凭什么，难道他们有优化？
而且哪个是正确的？

不过说起来最近我真是随便写点代码都快能当框架用了…… 这是有毒么

劳资好不容易思考了半天的算法，居然发现性能还不如从前？那我设计它弄啥子，真是岂有此理了。

我要给 Calc.kt 加一个 Lexical Scoping 的功能，然后就可以有『人生第一解释器』啦~