重复程序
重复程序
提问于 2017-12-25 09:04:41
我想写一段代码，可以找到代码文件之间的相似性(可能是通过百分比找到相似性，或者至少“猜测”哪些文件可能被复制)，我对30个文件运行它，每个文件最多500行。我想识别重复的文件(或疑似重复的文件)。
我遇到了几个问题：
- spacing:一个代码可以有多个空格或换行符
- comments :带注释的文件不带注释或不同的注释
这两个问题我想我可以通过从代码中删除所有的空格、换行符和注释来解决，但是我遇到了以下问题
对于试图“隐藏”相似性的
- 文件，请考虑以下2 C文件作为
的示例
代码1:
void main()
{
int x;
int y;
scanf("%d", &x);
switch(x)
{
case 1:
//some code
break;
case 2:
//some code
break;
}
}代码2:
#define ONE 1
#define TWO 2
void main()
{
int a, b;
scanf("%d", &a);
switch(a)
{
case ONE:
//some code
break;
case TWO:
//some code
break;
}
}我愿意提供任何帮助(可能是使用现有的工具，也可能是通过建议算法)
谢谢。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-12-25 11:26:52
您可能会对MOSS感兴趣，这是斯坦福大学开发的一个系统，它试图准确地解决您的问题。
但是，如果你对开发自己的方法很好奇，这里有一些想法来解决你到目前为止提到的问题：
- 将代码解析成AST，这样您就可以轻松地将代码作为数据结构来操作，并忽略诸如whitespace.
- You可以通过自己重命名变量来检测变量名称中的更改的问题，使用某种方案来保证基于声明和作用域的顺序的唯一命名。要获得一些灵感，请参阅De Bruijn indices.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47965008
复制相关文章
相似问题
腾讯云开发者
