使用哈希表技术判别两个源程序的相似性模板

使用哈希表技术判别两个源程序的相

似性

实习六使用哈希表技术判别两个源程序的相似性

［问题描述］

对于两个C语言的源程序清单，用哈希表的方法分别统计两程序中使用C语言关键字的情况，并最终按定量的计算结果，得出两份源程序清单的相似性。

［基本要求］

C语言关键字的哈希表自建，此题的工作只要是扫描给定的源程序,累计在每个源程序中C语言关键字出现的频度。在扫描源程序过程中，每遇到关键字就查找哈希表，并累加相应关键字出现的频度。为保证查找效率，建议自建哈希表的平均查找长度ASL不大于2。

扫描两个源程序所统计的所有关键字不同频度，能够得到两个向量。如下面简单的例子所示

X i=［4, 3, 0, 4, 3, 0, 7, 0, 0, 2］ X 2二［4, 2, 0, 5, 4, 0, 5, 2, 0,1］

经过计算向量X i和X2的相对距离来判断两个源程序的相似性，相

对距离的计算方法是

（（M - 池）（*】-XJT 严

按例子所给数据，S〜0.13。显然当X i=X2时，S=0，反映出可能是同一个程序；S值越大，则两个程序的差别可能也越大。

［测试数据］

作几个编译和运行都无误的C程序，程序之间有相近的和差别大的,用上述方法求S,并对比差异程度。

［实现提示］

本题的很大工作量将是对源程序扫描，区分出C程序的每一关键字。能够为C语言关键字建一棵键树,扫描源程序和在键树种查找同步进行，也取得每一个关键字。

［问题讨论］

这种判断方法只是提供一种辅助手段，即便S=0也可能不是同一程序，S的值很大，也可能算法完全是一样的。例如，一个程序使用while语句，另一个使用for语句，但功能完全相同。事实上，当发现s 的值很小时，就应该以人工干预来区分。