天津科技大学数据结构与算法课程设计报告-源程序的相似性.doc

.数据结构与算法课程设计报告设计题目：源程序的相似性专 业 计算机科学与技术 学 号 14101103 姓 名 傅开煤 2017 年 1 月 10 日;.源程序的相似性一、问题描述对于两个C+语言的源程序代码，用哈希表的方法分别统计两个程序中使用C+语言关键字的情况，并最终按定量的计算结果，得出两份程序的相似性。二、需求分析建立C+语言关键字的哈希表，统计在每个源程序中C+关键字出现的频度, 得到两个向量X1和X2，通过计算向量X1和X2的相对距离来判断两个源程序的相似性。 例如: 关键字 Void Int For Char if else while do break class 程序1关键字频度 4 3 0 4 3 0 7 0 0 2 程序2关键字频度 4 2 0 5 4 0 5 2 0 1 X1=4,3,0,4,3,0,7,0,0,2 X2=4,2,0,5,4,0,5,2,0,1 设s是向量X1和X2的相对距离，s=sqrt( (x1i-x2i) 2 )，当X1=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。3、 概要设计 为了实现上述功能，可以用结构体表示哈希表，因此需要哈希表的抽象数据类型。 哈希表抽象数据类型的定义： ADT hashtable 数据对象：D=ai|aiElemType,且各不相同，i=1,2.,n,n0 数据关系：R= 基本操作：Hashfunc(char str); Hashfind(char *words); creathash(void); resethash(int n);isletter(char ch);readc(char * filename);getkey(char *str,int len);copycount(int x,int n);check(int *x1, int *x2);end ADT 本程序实现模块 主程序模块 哈希表程序模块：实现哈希表的抽象数据类型 调用关系图如下：主程序模块 哈希表程序模块计算相似度和向量的几何距离的模块4、 详细设计 1、各个子函数的设计 （1）创建哈希表函数 函数原型：void creathash(void); 输入：读取存储了32个关键字的文件keyword.txt 思路：通过对keyword.txt文件逐行赋值给创建的str字符数组，并将该数组调入Hashfunc函数。 （2）将关键字根据哈希函数放入哈希表中的指定位置的函数 函数原型：void Hashfunc(char str); 思路：对调进来的str数组通过调用getkey函数得到该关键词的key值后放入哈希表中的特定位置，并用线性探索来解决冲突。 （3）在哈希表中找是否该words为关键字，并统计频度的函数函数原型：int Hashfind(char *words);思路：将调进来的word字符数组先调用getkey函数获取key值，然后在哈希表里查找是否存在该字符串，如果存在则该关键字对应的频度加1。 （4）重置哈希表函数函数原型：void resethash(int n);功能：当n为0时，将指向哈希表中关键字的指针置成Null，同时将频度全部置为0.而当n为1时，仅仅将频度置为0。 （5）获取单词key的函数函数原型：int getkey(char *str,int len);思路：用key1存储关键字的首字母，key2存储关键字的末字母，然后通过哈希函数得到key的值并返回。 （6）判断是否为字母的函数 函数原型：int isletter(char ch);思路：如果调进来的ch字符的ASCII值在az或AZ范围内的话则返回1，否则返回0。 （7）读取源程序文件中的单词的函数 函数原型：int readc(char * filename);思路：为了读取源程序文件中的单词，所以一个字符一个字符的，如果读的超过最大关键字长度将会跳过当前识别区域，读取下一个单词，将得到的该单词调入Hashfind函数，来判断是否为关键字，并统计频度。 （8）将频度拷贝到数组里的函数函数原型：void copycount(int x,int n);功能：将哈希表中关键字的频度复制到x数组中，以便进行后面相似度等的计算。 （9）检查两个源程序是否相似的函数函数原型：void check(int *x1, int *x2);思路：对调进来的x1和x2数组进行相似度计算，若相似度大于设定好的阈值，则再进行几何距离计算，最后给出两个文件是否相似的判断。 （10）取模函数函数原型：float Mol(int *x);思路：通过求向量模值的数学知识求x数组的模。 （11）点积函数函数原型：int Dot(int *x1, int *x2)思路：通过点积的数学知识对两个向量求点积。 （12）求相似度S的函数 函数原型：float S(int *x1,int *x2); 思路：根据题目给的求相似度的公式求x1和x2数组的相似度。 （13）求距离D的函数函数原型：float D(int *x1, int *x2);思路：用题目给的球几何距离的公式求x1和x2数组的几何距离。2、主函数伪码int main()char filename1=test1.txt;char filename2=test2.txt;char filename3=test3.txt;int x1hashlen,x2hashlen,x3hashlen; /*存储频度的数组，用于相似度S的计算*/resethash(0); /*完全重置哈希表，即哈希指针置为NULL，频度置为0*/creathash(); /通过文件ckey.txt创建哈希表readc(filename1); /读取第一个测试源程序文件copycount(x1,hashlen); /讲统计好的频度复制给x数组resethash(1); /仅仅将频度count置为0readc(filename2); /同上copycount(x2,hashlen);resethash(1);readc(filename3);copycount(x3,hashlen);coutt哈希序号 t关键字 t频度1 t频度2 t频度3endl;for (int i = 0; i 41; i+)if(hashti.hash1!=NULL)coutti thashti.hash1 tx1i tx2i tx3iendl;coutfilename1和filename2的相似情况为：endl;check(x1,x2); /检查相似度coutfilename1和filename3的相似情况为：endl;check(x1,x3); coutfilename2和filename3的相似情况为：endl;check(x2,x3);return 0;3、 调用关系图copycount 调用关系图如下：readcresethashcreathashmain()isletterhashfunchashfindcheckgetkeyDSDotMol5、 编码实现1.使用函数void resethash(int n)来重置哈希表void resethash(int n) /重置哈希表if(n=0) /完全重置哈希表for(int i=0;i41;i+) hashti.hash1=NULL; hashti.count=0; else if (n=1) /仅仅重置频度for(int i=0;i41;i+) hashti.count=0; 2.使用void copycount(int x,int n)来将频度拷贝到数组里的函数void copycount(int x,int n) /拷贝频度for (int i = 0; i n; i+)xi=hashti.count;3.使用int getkey(char *str,int len)来获取单词key的函数int getkey(char *str,int len) /根据哈希函数获取该单词的keychar key1,key2; int key;key1=str0;key2=strlen-1;key=(int)(key1*100+key2)%41;return key;4.使用void creathash(void)来创建哈希表函数void creathash(void) /对文件keyword.txt中的32个关键字创建哈希表 FILE *fp;int length;char strsize; /暂时存储关键字字符的数组char *s=NULL;for (int i = 0; i size; i+)stri=0;if(fp=fopen(keyword.txt,r)=NULL)coutcant creat file!n;exit(0);while (fgets(str,size,fp)!=NULL) /读取一行写入一行if (str=NULL)break;length=strlen(str); strlength-1=0; /调试后发现的，没有这里就停止运行了Hashfunc(str);fclose(fp);5.使用void Hashfunc(char str)来将关键字根据哈希函数放入哈希表中的指定位置的函数void Hashfunc(char str) /将关键字根据哈希函数放入哈希表中的指定位置int key,len;len=strlen(str);key=getkey(str,len);while (hashtkey%41.hash1!=NULL)key+; /线性探索hashtkey%41.hash1=(char*)malloc(sizeof(char)*(len+1); strcpy(hashtkey%41.hash1,str); 6.使用int Hashfind(char *words)来在哈希表中找是否该words为关键字，并统计频度的函数int Hashfind(char *words) /在哈希表中找是否该words为关键字，并统计频度int key,len,find;len=strlen(words);key=getkey(words,len);while(hashtkey.hash1=NULL)key+;key=key%41;if(strcmp(hashtkey.hash1,words)=0) hashtkey.count+;return 1;for(find=key+1;findhashlen;find+) /*如果不在key位置则向往后线性查找，然后再从头找*/ /线性探查法顺序查找哈希表中是否已存在关键字if(hashtfind.hash1!=NULL) if(strcmp(hashtfind.hash1,words)=0) hashtfind.count+; return 1; for(find=0;findkey;find+)if (hashtfind.hash1!=NULL)if(strcmp(hashtfind.hash1,words)=0) hashtfind.count+; return 1; return 0;7.使用int readc(char * filename)来读取源程序文件中的单词的函数int readc(char *filename) /读取源程序文件中的单词FILE *fp1=NULL;char wordsmaxlen,ch;int i; if(fp1=fopen (filename,r)=NULL) coutcan not creat file!n; exit(0);while (!feof(fp1) /结束返回1i=0;ch=fgetc(fp1); /一个字符一个字符的读while (isletter(ch)=0&feof(fp1)=0)ch=fgetc(fp1);while (isletter(ch)=1&feof(fp1)=0)if (i=maxlen)while (isletter(ch)=1&feof(fp1)=0)ch=fgetc(fp1);i=0;break; /超过最大关键字长度将会跳过当前识别区域，读取下一个单词elsewordsi+=ch;ch=fgetc(fp1);wordsi=0;Hashfind (words); /*将得到的该单词调入Hashfind函数，来判断是否为关键字，并统计频度*/fclose(fp1);return 0;8.使用float Mol(int *x)来取模函数float Mol(int *x) /取模函数int i = 0, sum = 0;for (i = 0; i N; i+)sum += (xi * xi);return (float)pow(float)sum,0.5);int Dot(int *x1, int *x2) /点积函数int i = 0, sum = 0;for (i = 0; i N; i+)sum += x1i * x2i;return sum;9.使用float S(int *x1,int *x2)、float D(int *x1, int *x2) 和void check(int *x1, int *x2)来分别求相似度S的函数、求几何距离D函数和检查两个源程序是否相似的函数float S(int *x1,int *x2)return Dot(x1, x2)/(Mol(x1)*Mol(x2); /求相似度Sfloat D(int *x1, int *x2) /求几何距离int xN, i = 0; for (i = 0; i N; i+) /向量相减xi= x1i - x2i; return Mol(x); /再求模void check(int *x1, int *x2)float xs = 0, xd = 0;xs = S(x1, x2);cout相似度xs=xs Smax) /先判断S，若S大于阈值再计算几何距离xd = D(x1, x2);cout几何距离xd=xdendl;if (xd Dmin) /如果几何距离小于阈值则判断为相似cout 这两个文件内容确实可能相似endl;else cout 这两个文件内容可能不相似endl;return;cout 这两个文件内容不相似endl; /否则不相似return;6、 实验结果与分析实验上机测试结果如下图所示：分析：实验上机运行结果与实际结果相符，即可以认为该程序是正确无误的。7、 总结 在本次的课程设计上机操作的时候，在调试每个模块设计的时候，有些模块由于本人的粗心大意把=与=的问题弄混淆了，使调试出现了报错。这是由于本人平时没有注意区分赋值号与