ANTLR4比较语法树

Question

如何比较ANTLR4中生成AST的两个java源代码？我已经尝试使用JavaBaseVisitor和JavaBaseListener来遍历树，但我似乎无法从树中得到我需要的东西。我对方法和变量名称不感兴趣，只对它们的类​​型感兴趣。有人可以帮忙吗？感谢。

Answer 1

要查明源代码B是否包含来自代码A的剽窃（复制？）代码，仅仅从它们的根开始“比较”A和B的AST是不够的。你必须找出它们有什么共同点，这种共性可以分布在任意子树上。这不是一件容易的事。

这是我1998年关于如何在大型代码库中找到克隆代码（即类似代码）的技术论文（想想“很多树”）：

Clone Detection Using Abstract Syntax Trees (Baxter et al)

这会在代码库中查找最大变化点数（参数）不同的子树，同时仍具有相同树节点的最小阈值。

只给出A和B的两个AST，这将在A或B中找到A中代码位的 near-miss 重复。本文提供了可以在ANTLR上使用的算法（或任何其他树木。

如果过滤掉与A的其他部分类似的A部分（它们在实践中总是存在，程序超过最小尺寸），剩下的部分是A的部分类似于B.你想过滤出与B的其他部分相似的B部分。

您可以直接实施克隆算法，然后过滤检测到的克隆，或者您可以稍微修改算法，以便不提出A的克隆，A，B和B等。

实际上，您可能希望对树的两个集执行此操作，A和B，因为软件通常由一组源文件组成。