为何木兰编译器采用RPly而非Ply？RPython和PyP

　　众所周知地，木兰编程语言的实现中使用RPly而非更为人知的Ply进行词法和语法分析器生成。
　　为什么要用这样一个更小众的工具？Ply自2006年开始开发，RPly自2012年，它的pypi主页上的介绍是：
　　ApurePythonparsergenerator，thatalsoworkswithRPython。ItisamoreorlessdirectportofDavidBeazley’sawesomePLY，withanewpublicAPI，andRPythonsupport。
　　API的改进感觉不是决定性因素，因为木兰的语法设计规模并不算小，更多的开发精力应该是用于语法设计而非实现。粗浅地比较了Ply的例程，感觉两者的API虽然有差别，但实现效果仍是大同小异。
　　假如的确如此，那么是什么动力才使设计者选择了一个看起来风险更高的工具呢？
　　剩下的区别，就只有RPly对RPython的支持。
　　初步了解，RPython和PyPy几乎是绑定的。知乎上相关技术介绍文章寥寥，实战更少。在PyPy的这篇近十年前的入门文档Tutorial：WritinganInterpreterwithPyPy，Part1中，对它的作用可见一斑：
　　Wouldntitbeniceifyoucouldwriteyourlanguageinanexistinghighlevellanguagelike，forexample，Python？Thatsurewouldbeideal，youdgetalltheadvantagesofahighlevellanguagelikeautomaticmemorymanagementandrichdatatypesatyourdisposal。Oh，butaninterpretedlanguageinterpretinganotherlanguagewouldbeslow，right？Thatstwiceasmuchinterpretinggoingon。
　　Asyoumayhaveguessed，PyPysolvesthisproblem。PyPyisasophisticatedtoolchainforanalyzingandtranslatingyourinterpretercodetoCcode（orJVMorCLI）。Thisprocessiscalledtranslation，anditknowshowtotranslatequitealotofPythonssyntaxandstandardlibraries，butnoteverything。AllyouhavetodoiswriteyourinterpreterinRPython，asubsetofthePythonlanguagecarefullydefinedtoallowthiskindofanalysisandtranslation，andPyPywillproduceforyouaveryefficientinterpreter。
　　简单说，用Python写出的解释器执行想必很慢。现在可以用RPython语言（Python语言的子集）写个解释器，PyPy可以直接将RPython代码翻译为C代码，得到更高执行效率的解释器。
　　说回到RPly，它提供了RPython的支持，那么用它实现的解释器应该可以用PyPy翻译后得到性能提升（待确认）。
　　这貌似是个更有价值的理由。