代码查重调研

资料

• MOSS (stanford.edu)
  • automoss/automoss: Automate the process of detecting similarities between code for a collection of computer science assignments. (github.com)
• pmd/pmd: An extensible multilanguage static code analyzer.
• jplag/JPlag: State-of-the-Art Software Plagiarism & Collusion Detection

重复类型

最简单明了的是完全一样的代码片段。此外，还有如下类型的重复代码:

1. 类型 Ⅰ，代码片段中除了空格、注释以及换行以外的内容完全一致
2. 类型 Ⅱ，代码片段中除了空格、注释、换行以及变量名以外的内容完全一致
3. 类型 Ⅲ，代码片段中除了空格、注释、换行以及变量名以外的语句可能有增删改，功能不变
4. 类型 Ⅳ，两个或更多个代码段执行相同的运算，但通过不同的语法和变量来实现。

检测工具

不同的重复代码检测工具，由于在实现算法上有所不同，其所能检测的重复代码类型也不尽相同，如下表所示。

名称	Simian	PMD-CPD	CloneDR	CCCD	CCFinder	Bauhaus	CodePro
检测类型	Ⅰ	Ⅰ，Ⅱ	Ⅰ，Ⅱ	Ⅰ，Ⅱ	Ⅰ	Ⅰ，Ⅱ，Ⅲ	Ⅰ，Ⅱ，Ⅲ
支持语言	C/C++，Java	C/C++，Java	C/C++，Java	C，Java	C/C++，Java	C/C++，Java	Java
授权类型	商用，可免费	开源	商用，可免费	开源	开源	商用，可免费	开源
推荐星级	**	***	**	*	*	**	***

试试

准备

把两个目录映射出来

cmd
mklink /J mlcache-anno D:\Code\thzt\mlcache\mlcache-anno
mklink /J jetcache-anno D:\Code\xkrof\jetcache-2.7.5\jetcache-anno

automoss

jplag

# jdk依赖
scoop install openjdk21

pmd

• Releases · pmd/pmd (github.com)下载版本
• 解压，进入bin目录
• 启动GUI pmd cpdgui
• 选择目录，GO
• 可以比较出文件及行数，暂时没有找到百分比之类的统计数据