1 生物計算期末作業 暨南大學資訊工程系 2003/05/13

2 compare f1 f2  只比較兩個檔案 f1 與 f2 ，比完後將結果輸出。 compare directory  以兩兩比對的方式，比對一個目錄下所有檔案的相 似程度。  將相似度很高的檔案做成報表輸出，報表中至少要 包含 被判定相似程度很高的檔名清單。 被認定相似的總比數。 將所有檔名排序，並列出與哪些檔案相似。

3 假設我們有 f1 f2 f3 f4 f5 五個檔案：  相似清單： f1 f4 f5  相似總比數： 3  相似關係 f1: f4 f5 f2 f3 f4: f1 f5 f5: f1 f4

4 移除 移除所有的 comments ：  /* ……… */  // ………

5 Keywords in ANSI C++

6 Keywords in ANSI C Keywords 是重要的比對要素。

7 Operators and Punctuation Operators 也是重要的比對要素。

8 White Space Newline \n Horizontal tab \t Vertical tab \v Carriage return \r Form feed \f Blank

9 將 input file 切割成 tokens 運用 operators 、 punctuations 、與 white spaces ，將 input file 切成 tokens ：  x1 = wide * sin(angle); x1 = wide * sin ( angle ) ;

10  if (1 != scanf("%c", &ch)) return 0; if ( 1 != scanf ( "%c" ) return 0 ; 注意 ，字串要特別處理。

11 建立 symbol table 我們將切出來的 tokens 全部建立在一個 symbol table 中，然後將 table 中的 tokens 編號。 在建 table 時，有幾點要注意：  先在 table 中內建 keywords 、 operators 、 punctuations ，這樣可使得被內建的這些 tokens 有 固定的 ID 。  所有 C/C++ 標準內建函式庫需要先建在 table 裡。  Scope 的問題先不處理，但如果同學要處理也是做 得到的。

12 處理 identifiers 會遇到的問題 同一檔案中名字相同，但卻表示不同的變數：  scoping 、 operator overloading 、 function name overload 兩個要比較的檔案中，名稱不同但實際上卻相 同的兩個 identifier 。  User defined functions 兩個要比較的檔案中，名稱一樣，而實際上也 是相同的兩個名稱：  C/C++ library

13 Scope 的問題 void f() { int a;... } void g() { int a;... } 兩個 a 不同，但卻被我們當成一樣。

14 Alias 的問題 void f() { printf( ……); } void g() {... } void g() { printf( …… ); } void f() {... }

15 Macro 造成的問題 #define A printf #define A (B) 先不處理

16 所以我們處理的方式是採取先內建一些標準 C/C++ 的 identifiers 、 keywords 、 operators 、 punctuation 在 symbol table 中。 對於 user defined 的 identifiers ，降低 match/mismatch 的分數。

17 Keywords 的分類 Data type ：  整數： int 、 short 、 signed 、 unsigned 、 long  浮點： float 、 double 、 long double  字串： char 、 char* Flow control ：  for 、 while 、 do 幾乎是可以忽略的 keywords ：  auto 、 const 、 extern 、 register 、 static 、 volatile 同類的 keywords 比對時給分要比較高。

18 可以考慮用 hash table 建 symbol table 當 hash 發生 collision 時，用 separate chaining 的方式處理。

19 Loop normalization （不一定要做） For (s1; s2; s3) { …}  s1  {  If (s2) break;  …  s3  Goto  }

20 測試資料 大部分都是 C ，只有很少的會用到一部分 C++ 的功能，但不會用到 Class 。 比賽時會有另一組測試資料。

21 False positive:  被誤判成有密切關連 False negative:  原來有密切關連，但卻被誤判成沒關連 同學的程式要降低這兩項發生的比率。

22 如何找 disjoint highest similar regions

23