多様なプログラミング言語に対応可能なコードクローン検出ツールの開発

开发可支持多种编程语言的代码克隆检测工具

基本信息

批准号：
20K11745
负责人：
吉田則裕
金额：
$ 2.41万
依托单位：
Ritsumeikan University (2022)Nagoya University (2020-2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11745/
关键词：
コードクローン構文解析プログラミング言語

项目摘要

コードクローンとは，ソフトウェア開発中にコピーアンドペーストなどにより作成された類似したコード片である．コードクローンは，ソフトウェア保守を困難にする要因の1つであるため，検出し管理する必要がある．1990年代以降，数多くのコードクローン検出ツールが提案されたが，そのほとんどは限られたプログラミング言語のみに対応し，対応言語を増加させることが難しい．プログラミング言語は，頻繁に新規開発や文法の更新が行われるため，対応言語を柔軟に追加可能なコードクローン検出ツールが必要であると考えられる．研究代表者は以前に，対象言語の文法の一部を正規表現として抽出し，対応言語を柔軟に増加できるコードクローン検出ツールを開発した．しかし，正規表現では表現能力が不足しているため，対応できない言語がある．加えて，トークン列の照合に基づきコードクローンを検出するため，ステートメントの追加や削除を行ったコードクローンを検出する能力はない．そこで，多様なプログラミング言語に対応可能であり，ステートメントの追加・削除を許容するコードクローン検出ツールを実装した．具体的には，パーサジェネレータの1つであるANTLRを使用してソースコード正規化を行い，Token Bagモデルを基にコード片の類似度を計算することによって，検出可能なコードクローンの種類を増加させることを試みた．研究成果を論文にまとめ，国際会議30th IEEE/ACM International Conference on Program Comprehension (ICPC 2022)に投稿し，採録されたため発表を行った．また，大規模ソースコード集合CodeNetを用いた評価実験に取り組んだ．

代码克隆是在软件开发过程中通过复制和粘贴创建的一段类似代码。代码克隆是导致软件维护困难的因素之一，因此需要对其进行检测和管理。自20世纪90年代以来，已经提出了许多代码克隆检测工具，但大多数只兼容有限数量的编程语言，并且很难增加支持的语言数量。由于新的编程语言频繁开发、语法更新，因此需要一种能够灵活添加兼容语言的代码克隆检测工具。首席研究员此前开发了一种代码克隆检测工具，可以通过提取目标语言的部分语法作为正则表达式来灵活增加支持的语言数量。然而，有一些语言由于缺乏表达能力而无法得到正则表达式的支持。此外，由于代码克隆是根据匹配的标记字符串来检测的，因此无法检测已添加或删除语句的代码克隆。因此，我们实现了一个兼容多种编程语言并允许添加和删除语句的代码克隆检测工具。具体来说，通过使用 ANTLR（解析器生成器之一）对源代码进行规范化，并根据我尝试的 Token Bag 模型计算代码片段的相似度，可以增加可检测的代码克隆类型。我们将研究成果总结成一篇论文，提交给第30届IEEE/ACM国际程序理解会议（ICPC 2022），并按被接受的样子进行展示。我们还利用大规模源代码集合CodeNet进行了评估实验。