Web應(yīng)用中基于樹的克隆代碼檢測方法的研究.pdf

1、克隆代碼又叫做代碼克隆，往往是由開發(fā)人員的“拷貝-粘貼”行為導(dǎo)致的。在軟件維護周期，開發(fā)過程中所引入的克隆代碼會導(dǎo)致昂貴的維護費用。研究表明在傳統(tǒng)軟件中，克隆代碼占到了軟件源代碼的13％-20％。隨著Web技術(shù)的發(fā)展，越來越多的Web應(yīng)用被開發(fā)并且在用戶中流行。由于Web開發(fā)本身的一些特點，不管在新開發(fā)的還是穩(wěn)定版本的Web應(yīng)用中都存在克隆代碼，相比于傳統(tǒng)軟件，克隆代碼的比例甚至更加高。但是目前針對Web應(yīng)用中克隆代碼的檢測研究較少，且

2、大多數(shù)都是使用基于哈希值的方法來檢測克隆代碼。使用基于哈希值的方法意味著許多克隆代碼會被漏掉，以及精度上的問題。
　　本文在相關(guān)的研究基礎(chǔ)上，總結(jié)各種檢測方法的優(yōu)缺點，構(gòu)建并改進了基于樹的克隆代碼檢測方案，并實現(xiàn)了基于樹的克隆代碼檢測系統(tǒng)TCD(Tree-basedCloneDetection)。該方案中改進并使用特征向量代替子樹，以降低子樹匹配所帶來的開銷。通過對特征向量的分析，引入了降低特征向量的維度的方法，從而減少了高維向量

3、所帶來的計算開銷。引入建立特征向量的隨機kd森林的索引來高效地查找每個特征向量的最鄰近特征向量以得到克隆代碼，從而保證了檢測克隆代碼的高效性以及準確性。通過對14個最流行的Web應(yīng)用進行克隆代碼的檢測，統(tǒng)計每個Web應(yīng)用中的克隆率并統(tǒng)計和分析結(jié)果中各種類型的克隆代碼分布的情況。并選取其中三個應(yīng)用的三個不同版本，統(tǒng)計同一應(yīng)用的不同版本中的克隆率。最后，在不同應(yīng)用中也檢測到了克隆代碼。
　　大量的實驗表明，TCD在大多數(shù)情況下，能夠高