终端代码重复率检测实践

8,032 阅读7分钟

背景

当一个项目在不断开发迭代、功能累加的过程中,重复代码的出现几乎是不可避免的。其出现的原因不外乎以下两点:

  • 复制粘贴:这可能是造成代码重复的最大因素,其原因也有很多种,可能是跨项目的代码拷贝,可能是类似功能的代码拷贝。无论如何,这都违背了集中管理的原则,给后续的代码维护增加了比较大的负担。
  • 对项目不了解:新人加入、业务轮转等原因会让开发人员面对一个全新的项目。这种陌生的情况下,许多开发人员就会产生重复造轮子的问题,只顾着自己开发的部分,完全没考虑到项目原先的代码状况。

所以对项目定期进行代码率检测是一个很有意义的事,可以帮助开发人员发现冗余代码,进行代码抽象和重构。

本文将介绍代码重复率检测的基本概念以及前端、客户端项目中代码重复率检测的实践过程。

基本概念

在《Software Clone Detection and Refactoring》一文中,对重复代码的类型进行了定义:

  • 完全一致的代码或者只修改了空格和评论
  • 结构上和句法上一致的代码,例如只是修改了变量名
  • 插入和删除了部分代码
  • 功能和逻辑上一致的代码,语义上的拷贝

很明显越往后,重复代码检测难度越大。在实际情况中,我们的检测要求只要大致能满足前两者就已经足够了。

在技术上,重复代码检测主要有以下分类:

  • 基于代码行的
  • 基于标识符(token)的
  • 基于度量(metrics)的
  • 基于抽象语法树(Abstract Syntax Tree)的
  • 基于程序依赖图(Program Dependence Graph)的

这些技术细节不是本文关注的重点,有兴趣的读者可以查阅相关论文进行详细了解。

前端代码重复率检测

工具

由于前端源代码文件格式多样,重复率检测除了源码检测以外,还可以从检测打包文件和文件退化角度考虑。

检测前端代码重复率的工具有jsinspectjscpd,PMD-CPD(PMD's Copy/Paste Detector)中也支持js文件的重复率检测。

  • jsinspect工具支持js和jsx格式的文件,基于抽象语法树,可以检测出结构类似的代码块
  • jscpd工具支持文件格式广泛,如java、oc、js、jsx、vue、ts、less等。其重复率判定依据为一定长度标识符的MD5值是否相同
  • PMD-CPD工具支持js文件检测,也可以自己开发扩展包来解析指定的语言:官方介绍

每个工具各有其优缺点,若只需要检测js或jsx文件,且对检测结果要求较高,可以选择jsinspect或者PMD-CPD工具,若考虑检测工具的通用性,可以选择jscpc工具。

经过分析

  • 检测打包文件方案,若有多个打包文件,无法区分跨文件的重复代码是源代码重复还是由于打包生成的,因此不太适合。
  • 文件退化方案,jsx文件转换成js文件可以进行检测,但vue或less等包含css的文件格式无法检测。退化成纯文本的检测工具有商业收费的simian。

为了适应多种前端代码文件,本团队目前选择jscpd作为前端代码重复率检测工具。对于重复率要求较严格的项目,可以使用jsinspect针对js(x)文件进行进一步检测。

使用方法

jscpd工具可以在本地使用,也可以集成在gulp中。

本地检测

  1. npm安装
npm install jscpd -g
  1. 在项目目录配置.cpd.yaml文件,配置参考
#.cpd.yaml
languages:
  - javascript
  - typescript
  - jsx
  - vue
  - css
files:
  - 'src/**'
  - 'less/**'
exclude:
  - 'dist/**'
  - 'dest/**'
  - 'neurons/**'
  - 'node_modules/**'
  - 'test/**'
  - 'data/**'
  - 'css/**'
  - 'entries/**'
reporter: xml
xsl-href: '/Users/dianping/dp/f2e-cpd/reporters-xslt/simple.xsl'
limit: 100
min-tokens: 70
min-lines: 5
output: '/Users/dianping/dp/f2e-cpd/report-ecom-70.xml'

其中languages值对应的文件后缀如下:

TokenizerFactory.prototype.LANGUAGES = {
  javascript: ['js', 'es', 'es6'],
  typescript: ['ts', 'tsx'],
  jsx: ['jsx'],
  haxe: ['hx', 'hxml'],
  coffeescript: ['coffee'],
  ruby: ['rb'],
  php: ['php', 'phtml'],
  python: ['py'],
  css: ['less', 'css'],
  sass: ['scss'],
  java: ['java'],
  csharp: ['cs'],
  go: ['go'],
  clike: ['cpp', 'c', 'm', 'h'],
  htmlmixed: ['html', 'htm'],
  yaml: ['yaml', 'yml'],
  erlang: ['erl', 'erlang'],
  swift: ['swift'],
  xml: ['xml', 'xsl', 'xslt'],
  puppet: ['pp', 'puppet'],
  twig: ['twig'],
  vue: ['vue']
};
  1. 命令行工具 所有配置参数也可以直接在终端命令行中以参数形式附加。

  2. 查看结果 执行jscpd命令行,在终端可以看到简要的重复代码位置,以及总的重复率计算结果。指定verbose参数,可以看到重复代码块。

jscpd支持输出xml和json两种格式的报告文件,为了便于查看重复代码块,建议输出xml格式文件,配置xsl模板后在浏览器中具有较高的可读性。

  • xml格式 执行jscpd命令后,若有配置 output 参数,将会在指定地址生成文件。可用浏览器查看。 为了便于阅读,可以配置 xsl-href 参数,指定xsl模板,应用对应模板的xml文件在浏览器中具有较高的可读性,效果如下:
    xsl模板可以自己编写,官方github也提供了一份简单的xsl文件。

gulp集成

  1. 安装
npm install gulp-jscpd
  1. 使用 在gulp.js中添加以下任务,配置参考
var jscpd = require('gulp-jscpd');
gulp.task('jscpd', function() {
    return gulp.src([path.join(__dirname, 'src/**'), path.join(__dirname, 'less/**')])
        .pipe(jscpd({
            'min-lines' : 5,
            'min-tokens': 70,
            reporter    : 'xml',
            languages   : ['javascript', 'jsx', 'css'],
            output      : '/Users/dianping/dp/f2e-cpd/report-ecom-70.xml',
            verbose     : false,
            debug       : false,
            silent      : false,
            failOnError : false,
            'xsl-href'  : '/Users/dianping/dp/f2e-cpd/reporters-xslt/simple.xsl'
        }));
});
  1. 值得注意的是,failOnError配置项指定检查完毕后是否抛出错误,默认true,会终止打包流程。在CI中,若不希望重复率检查停止正常打包,应指定为false。

客户端代码重复率检测

工具

对于客户端代码而言,由于有iOS和Android两个平台,所以需要考虑工具的通用性,必须支持objective-C和java两种语言。

基于以上原因,最后选择的工具是PMD-CPD(PMD's Copy/Paste Detector)。此工具使用的是Karp-Rabin字符串匹配算法,支持gui,支持命令行,输出格式支持text、xml、csv等,可以很好的配合脚本语言进行二次开发,对重复率数据进行统计。

使用方法

  1. 从官网下载PMD工具,其中已经包含CPD,下载地址:官网地址
  2. 解压后可以在bin文件夹下看到对应的工具
  3. 以linux为例,使用以下命令就可以打开CPD工具的gui。
./run.sh cpdgui
  1. 如果需要配合自定义脚本使用,可以选择命令行工具,可以指定相应的参数,例如tokens、目录、语言、输出格式等等。详细的参数列表请参考官方文档
./run.sh cpd --minimum-tokens 100 --files /usr/local/java/src/java --language java --format xml

思考

工具的使用本身是比较简单的,更多的是针对不同项目进行相应的定制。可能需要考量的点有如下几个:

  • tokens和有效率的平衡: tokens是工具的一个参数,可以理解为对重复代码长度定义的标准。所以当tokens越小,检查到的重复代码数量更多、覆盖面越大,但相应的有效率就会降低,产生较多的误报情况。反之则有效率较高,但覆盖率就会相应降低,会有所遗漏。对tokens的选择依赖于项目的语言、框架等因素,在工具使用初期可以进行多次测试比较确定合适的tokens值。

  • 脚本定制:使用其他脚本语言例如python、ruby等进行相应的定制,把代码重复率检查包装成为一个自动化工具。重复率检查工具例如PMD-CPD本身也不具备统计功能,所以脚本还可以帮助把最后的检查结果进行量化。

  • 重复率标准:对于比较独立、规模不大的项目,刚开始检查时,5%可能是一个比较合适的值。当然重复率标准的制定需要参考的因素有很多,例如tokens、项目、架构、时间等等。

参考文献

Fontana F A, Zanoni M, Ranchetti A, et al. Software Clone Detection and Refactoring[J]. Isrn Software Engineering, 2013, 2013(2013).