[论文解读] Code Clone Matching: A Practical and Effective Approach to Find Code Snippets

Katsuro Inoue, Yuya Miyamoto+2 more|arXiv (Cornell University)|Mar 12, 2020

Software Engineering Research参考文献 37被引用 4

一句话总结

本文提出代码克隆匹配（CC matching），一种实用方法，结合基于标记的克隆检测与使用元标记（如$var）的元模式，实现灵活、语言感知的代码片段搜索。该方法驱动了ccgrep——一种类似grep的工具，能高效查找类型1、2及部分类型3的代码克隆，精度高，在可用性和准确性上优于传统grep和现有克隆查找工具。

ABSTRACT

Finding the same or similar code snippets in source code is one of fundamental activities in software maintenance. Text-based pattern matching tools such as grep is frequently used for such purpose, but making proper queries for the expected result is not easy. Code clone detectors could be used but their features and result are generally excessive. In this paper, we propose Code Clone matching (CC matching for short) that employs a combination of token-based clone detection and meta-patterns enhanced with meta-tokens. The user simply gives a query code snippet possibly with a few meta-tokens and then gets the resulting snippets, forming type 1, 2, or 3 code clone pairs between the query and result. By using a code snippet with meta-tokens as the query, the resulting matches are well controlled by the users. CC matching has been implemented as a practical and efficient tool named ccgrep, with grep-like user interface. The evaluation shows that ccgrep~ is a very effective to find various kinds of code snippets.

研究动机与目标

• 解决grep在跨多行查找代码片段时忽略语法元素（如注释和空白字符）的局限性。
• 克服全克隆检测工具输出过多且无法控制的问题，避免返回过多无关克隆。
• 使开发人员能够使用元标记（如$var）搜索特定代码模式，精确控制匹配范围。
• 开发一种实用、高效且用户友好的工具，支持类型1、2及部分类型3克隆匹配。
• 提供一种在精度、性能和可用性之间取得平衡的解决方案，适用于初学者和经验丰富的开发人员。

提出的方法

• 该方法使用基于标记的克隆检测，通过忽略空白字符和注释来规范化源代码，实现语法匹配。
• 引入元模式，使用元标记（如$var、$stmt）表示变量名、语句或表达式，实现灵活的查询构造。
• 系统将增强元标记的查询片段与代码库匹配，以检索类型1、2及选定的类型3克隆。
• 在ccgrep中实现类似grep的命令行界面，确保使用简便并可无缝集成到现有工作流中。
• 该方法利用标记化和模式匹配，高效识别克隆，同时保持结构和语法相似性。
• 该工具使用标记序列对代码进行索引，并应用元模式匹配以减少误报并提高相关性。

实验结果

研究问题

• RQ1 基于代码克隆检测的模式匹配系统是否能提升传统grep在代码片段搜索中的精度和可用性？
• RQ2 元标记在控制代码克隆匹配范围和具体程度方面的有效性如何？
• RQ3 该系统能否在保持与grep相当性能的前提下，高效检索类型1、2及类型3克隆？
• RQ4 ccgrep在速度、准确性和可用性方面与现有工具（如CBCD、NCDSearch和Siamese）相比表现如何？
• RQ5 元模式在表达复杂代码模式（如具有特定控制变量和内嵌语句的循环）方面的程度如何？

主要发现

• ccgrep成功利用元模式检索类型1、2及类型3克隆的代表性子集，实现精确且灵活的搜索。
• 该工具通过过滤掉涉及注释、空白字符和语法噪声的无关匹配，实现了优于grep的精度。
• ccgrep的性能虽慢于grep，但显著快于其他克隆查找工具（如CBCD和NCDSearch），适用于交互式使用。
• 评估结果证实，元模式使用户能够表达复杂查询（如具有特定控制变量的for循环和return语句），且无误报。
• ccgrep在可用性和响应时间方面优于现有工具，尤其在临时性、交互式代码搜索任务中表现更优。
• 该工具在大型代码库中有效识别相似代码模式，支持错误检测、重构和代码复用分析等任务。