[發明專利]一種基于索引的Java軟件代碼克隆檢測方法

有效

• 申請號: 201510043006.1
• 申請日: 2015-01-28
• 公開（公告）號: CN104572471B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 俞東進;舒翔;陳真理;王杰
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F21/12
• 代理公司: 浙江杭州金通專利事務所有限公司33100
• 代理人: 王佳健

1.一種基于索引的Java軟件代碼克隆檢測方法，其特征在于該方法的具體步驟是：

步驟(1).在通用計算機上設置單獨的鍵值數據庫，用于存放全局代碼段物理索引GI₁和全局相似代碼段物理索引GI₂，以及全局輔助物理索引SI，以上三個索引均為鍵值對結構；

步驟(2).以可用內存為限，依次讀入Java軟件中的每個源文件f的源代碼至通用計算機內存，通過詞法分析將源代碼中的每行語句解析為詞項序列，再通過歸一化操作將詞項序列轉換為字符序列表示，得到每個文件f對應的“語句行號→字符序列”鍵值對集合Map_f，讀入文件f的源代碼的同時將“文件路徑FN_f→文件最新時間戳”鍵值對加入SI，其中文件路徑FN_f為文件f的全路徑，包括文件名和擴展名；

步驟(3).遍歷Map_f，將其中每隔L行的字符序列作為一個代碼段并計算該字符序列的代碼段信息摘要sh，建立“文件路徑FN_f→代碼段起始行，代碼段終止行，代碼段信息摘要sh”鍵值對并加入GI₁，建立“代碼段信息摘要sh→文件路徑FN_f，代碼段起始行，代碼段終止行”鍵值對并加入GI₂，重復步驟(2)和(3)至軟件中的所有源文件都已處理完畢；

步驟(4).在需要檢測克隆代碼的時候，從待檢測的源文件集合中讀入每個源文件f的源代碼至通用計算機內存，通過詞法分析將源代碼中的每行語句解析為詞項序列，再通過歸一化操作將詞項序列轉換為字符序列表示，得到每個文件f對應的“語句行號→字符序列”鍵值對集合Map_f，讀入f的同時建立“文件路徑FN_f→文件最新時間戳TS₁”鍵值對；

步驟(5).從SI中取出與源文件f對應的文件時間戳TS₂，若TS₁＝TS₂，即源文件f未被修改，則從GI₁中取得源文件f的文件路徑FN_f對應的值集合記為S，轉入步驟(8)；否則，在SI中更新源文件f對應的文件時間戳為TS₁，并遍歷Map_f，將其中每隔L行的字符序列作為一個代碼段并計算該字符序列的代碼段信息摘要sh，建立“文件路徑FN_f→代碼段起始行，代碼段終止行，代碼段信息摘要sh”鍵值對集合Set_f，并將鍵值對集合Set_f中該文件路徑FN_f對應的值部分加入臨時值集合value₁；

步驟(6).取出GI₁中與FN_f對應的值集合并記為value₂，將value₁和value₂做差集運算得到新增的值集合value_a；遍歷value_a，取出其中每個元素的代碼段信息摘要sh，建立“代碼段信息摘要sh→文件路徑FN_f，代碼段起始行，代碼段終止行”鍵值對并將其加入GI₂；

步驟(7).將value₂和value₁做差集運算得到過期的值集合value_d，遍歷value_d，取出其中每個元素的代碼段信息摘要sh，并在GI₂中找到對應的“代碼段信息摘要→文件路徑FN_f，代碼段起始行，代碼段終止行”鍵值對將其刪除，在GI₁中刪除與文件路徑FN_f對應的鍵值對，并將鍵值對集合Set_f合并至GI₁，記value₁為S；

步驟(8).遍歷集合S中的每個元素獲取該元素的代碼段信息摘要sh，在GI₂中查找和代碼段信息摘要sh匹配的鍵，并獲得該鍵對應的值集合C，從C中的每一個元素中可以獲得源文件f克隆代碼段所在文件名、代碼段起始行號和終止行號；

步驟(9).重復步驟(4)、(5)、(6)、(7)、(8)，至待檢測的源文件集合中的所有源文件都已處理完畢。