基于索引和序列匹配的代碼克隆檢測技術(shù)研究.pdf

1、在軟件開發(fā)過程中，各種拷貝-粘貼-修改的編輯操作非常普遍。這種方式的代碼重用往往使得代碼基中出現(xiàn)很多重復或者相似的代碼片段，也就是所謂的克隆代碼。它雖然方便了開發(fā)者,但是也帶來了一定的資源消耗，增加了軟件維護的難度。學術(shù)界和工業(yè)界早在上世紀90年代就開始對代碼克隆進行分析并研究代碼克隆的檢測方法，并且取得了不錯的效果。但是隨著軟件規(guī)模的不斷增長，先前的方法便出現(xiàn)了資源使用的瓶頸甚至無法在單機上工作。例如，由于需要把由不同公司或者組織開發(fā)

2、的上千萬行的軟件代碼進行相似度的比較，如果不能在一個合適的時間范圍內(nèi)獲取代碼克隆將使檢測方法的有效性大打折扣。
　　本文在論述了傳統(tǒng)克隆代碼檢測方法的基本原理和關(guān)鍵技術(shù)的基礎(chǔ)上，提出了新的基于索引和改進的字符序列匹配的克隆代碼檢測方法，并通過實驗證實了本文方法在大規(guī)模軟件代碼檢測中具有較好的效果。主要工作包括：
　?。?）提出了基于索引的克隆代碼檢測方法。該方法將代碼文本依次規(guī)范化為lexeme序列和語句段，利用語句段哈希值

3、查找文本以及結(jié)構(gòu)相似的克隆代碼。由于在檢測過程中 lexeme序列被持久化，避免了重復生成中間序列和再次分段從而大大提高了檢測速度。
　?。?）提出了基于改進的Smith-Waterman算法的代碼克隆檢測方法，即在lexeme序列表示的基礎(chǔ)上利用序列匹配算法檢測文本或者結(jié)構(gòu)相似的克隆代碼。該方法通過調(diào)整得分矩陣有效解決了傳統(tǒng) Smith-Waterman算法中存在的馬賽克問題，同時通過改進回溯過程可獲取最佳的局部代碼相似序列。<