Question

我有兴趣比较代码以查找匹配项，即查看两个不同的代码段是否相同。例如，以下是返回两个数字之和的方法的4个匹配项（在Java中）。

int sum(int a, int b){
  return a + b;
}

int sum(int a, int b){
  return b + a;
}

int sum(int a, int b){
  int sum = a + b;
  return sum; 
}

int sum(int a, int b){
  int total = a + b;
  return total; 
}

虽然很容易对两段源代码进行文本比较，但很难编写能够识别上述匹配的代码。这对于解析器或编译器来说似乎是一项工作，但它并不需要“完美”，因为它只是寻找匹配。

这适用于Rails网站，因此理想情况下它应该能够在Ruby中运行，但我也可以运行单独的服务。 Treetop是一种描述语法的语言，但描述语法也很困难。是否有现成的工具来比较多种语言的源代码（如Java，C ++，Ruby和Python）？

它只需要一次找到一种语言的源代码之间的匹配，但如果能找到不同语言的源代码之间的匹配则会很酷。

更新：匹配不是产生相同结果的任何代码，它的代码使用相同的过程和步骤来获得相同的结果。该工具不需要找到每个可能的匹配，但它应该能够识别除了小差异之外的相同代码，例如变量名称或顺序（如上例所示）。

Answer 1

这个问题被称为功能问题：确定两个程序是否计算相同的功能。众所周知，它是不可判定的，即这种工具不可能存在。

基本上，如果您有这样的工具，那么您可以问：是否有一个与此程序等效的程序P：

while (true);

你会解决停机问题。（那不是实际证明如何进行，它比那复杂得多，但这是基本的想法。）

Answer 2

对于红宝石，请查看https://github.com/seattlerb/flay 对于C＃，Resharper可以被告知寻找忽略名称的特定代码结构。不是你想要的，但功能强大。

我知道没有什么可以让你在语言之间进行比较....除非你使用Reflector你可以将.net字节码反编译回C＃然后使用resharper，从而在.net语言之间进行转换。

Answer 3

查看支持多种语言的PMD CPD，并对比较期间忽略的内容提供一些好的建议。

另见minification。你可能可以改进，因为你不需要结果仍然像代码一样工作，就像minificators一样。但是你可能找不到很多编译语言的缩写器。我在这里也看到了一个潜在的缺陷 - 例如，两个仅具有参数shuffled的函数的缩小版本在缩小时可能变得不那么相似，这取决于缩小器如何重命名参数（它们通常只是按顺序命名，例如{ {1}}，a，b，...）。

Nigel提到将.NET语言编译为字节码，然后反编译 - 对于JVM字节码也是可能的，甚至可能用于二进制文件（或LLVM IR之类的东西），但是大部分内容对于你来说太低了我试图这样做，每种方法只涵盖几种语言，而且某些方法也很难或不可能。

如果你想对公共语言进行非常粗略的近似，你可以尝试选择一些常见的东西，比如函数头，循环，大括号/缩进，并尝试使用非常简单的解析器使语言更相似（仅使用例如，text-replace和regexes）。例如你可以用c替换Java的public int func(int a, char b)，对于Ruby，Scala和Python，在这种情况下你几乎不需要做什么。这是一个可怕的想法，但其中一些转换很容易编写，所以如果所有其他方法都失败了，请试着看看它是否能让你随处可见。如果你这样做，记得编写单元测试 - 复杂语言的简单解析器很容易破解。

编辑：还要注意的一件事可能是编写家庭作业抄袭探测器，例如： http://theory.stanford.edu/~aiken/moss/

有没有可以比较或解析多种语言的工具？

3 个答案: