重復(fù)代碼檢測方法及其應(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)軟件的可維護性，而且會給軟件引入大量的bug。然而，現(xiàn)有的重復(fù)代碼查找工具或因消耗的時間和內(nèi)存過多而無法面向大規(guī)模軟件，或無法找出那些經(jīng)過重命名、插入或刪除修改的重復(fù)代碼。
　　通過對比各種重復(fù)代碼檢測技術(shù)的優(yōu)缺點，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)，實現(xiàn)了一個重復(fù)代碼檢測模型。首先，分析源代碼創(chuàng)建一

2、個序列數(shù)據(jù)庫，將重復(fù)代碼檢測問題轉(zhuǎn)化成為一個序列模式挖掘問題。然后，使用改進的CloSpan算法查找支持度至少為2的頻繁子序列，這些子序列對應(yīng)于程序中的重復(fù)代碼段。最后，改進檢測結(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，時間和內(nèi)存開銷較低，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識符的真實名字，將類型相