重復(fù)代碼檢測(cè)方法及其應(yīng)用.pdf

1、最近的研究表明在大規(guī)模程序中含有許多重復(fù)代碼，它們中的大部分是由拷貝-粘貼行為造成的。這些重復(fù)代碼不僅降低了系統(tǒng)軟件的可維護(hù)性，而且會(huì)給軟件引入大量的bug。然而，現(xiàn)有的重復(fù)代碼查找工具或因消耗的時(shí)間和內(nèi)存過(guò)多而無(wú)法面向大規(guī)模軟件，或無(wú)法找出那些經(jīng)過(guò)重命名、插入或刪除修改的重復(fù)代碼。
　　通過(guò)對(duì)比各種重復(fù)代碼檢測(cè)技術(shù)的優(yōu)缺點(diǎn)，本文選用基于token串的分析方法，引入了數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)了一個(gè)重復(fù)代碼檢測(cè)模型。首先，分析源代碼創(chuàng)建一

2、個(gè)序列數(shù)據(jù)庫(kù)，將重復(fù)代碼檢測(cè)問(wèn)題轉(zhuǎn)化成為一個(gè)序列模式挖掘問(wèn)題。然后，使用改進(jìn)的CloSpan算法查找支持度至少為2的頻繁子序列，這些子序列對(duì)應(yīng)于程序中的重復(fù)代碼段。最后，改進(jìn)檢測(cè)結(jié)果，去除不太可能是重復(fù)代碼的結(jié)果，并合并相鄰的重復(fù)模塊，組成較大的重復(fù)代碼段。
　　與其它方法相比，基于token串的方法和CloSpan算法的算法復(fù)雜度較低，時(shí)間和內(nèi)存開(kāi)銷(xiāo)較低，因此適合于分析大規(guī)模程序；模型在詞法分析之后忽略標(biāo)識(shí)符的真實(shí)名字，將類型相