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．

代码克隆是通过在软件开发过程中复制和粘贴创建的类似代码。代码克隆是使软件维护困难的因素之一，因此需要检测和管理它们。自1990年代以来，已经提出了许多代码克隆检测工具，但其中大多数仅支持有限数量的编程语言，因此很难增加支持语言的数量。编程语言经常开发和语法更新，因此人们认为必须使用允许在受支持的语言中灵活添加的代码克隆检测工具。首席研究人员先前开发了一种代码克隆检测工具，该工具将作为正则表达式提取目标语言的一部分，并灵活地增加了支持语言的数量。但是，有些语言无法使用，因为正则表达式缺乏表达自己的能力。此外，由于基于匹配的令牌序列检测到代码克隆，因此没有能力检测已添加或删除语句的代码克隆。因此，我们实施了一个代码克隆检测工具，该工具可以支持各种编程语言并允许添加和删除语句。具体而言，我们试图通过使用Parser Generator之一ANTLR标准化源代码来增加可检测的代码克隆的类型，并根据令牌袋模型计算代码件的相似性。研究结果已汇编为论文，并提交给第30届IEEE/ACM国际计划理解会议（ICPC 2022），并收集并介绍了这本书。我们还使用大规模源代码集Codenet进行了评估实验。