显示文件相似性的提示答案

【问题标题】：Tips to show similarities in files显示文件相似性的提示
【发布时间】：2009-10-08 09:22:24
【问题描述】：

在一个项目中，我发现一些 css 文件“闻起来”，好像里面有复制粘贴的规则。

我想知道您检测文件中复制粘贴内容的策略是什么。

出于好奇，我想听听您显示文件相似性的提示和技巧！

【问题讨论】：

【解决方案1】：

试试Simian。

它用于源代码（Java、C#、C、C++、COBOL、Ruby、JSP、ASP、HTML、XML、Visual Basic、Groovy）中的复制粘贴检测，但您可以在纯文本上运行它文件。

【讨论】：

有没有办法让 simian 显示实际的相似之处？在我的测试运行中，它只显示“文件 X 中的 a 到 b 行类似于文件 Y 中的 c 到 d 行”的摘要？？？显示实际的线条将有助于澄清很多
或者更好：有没有办法让它显示相似行的差异？
恐怕你必须手动检查结果或编写一个工具来评估 Simian 结果并将它们附加到文件查看器。也许您可以为此目的使用免费的差异工具（例如 WinMerge，winmerge.org）。如果您决定选择后者：我也会对这样的解决方案感兴趣......
查看我对 CloneDR 的回答，了解明确显示异同的工具。
@Jesper：Simian 有一个-reportDuplicateText 选项，指示它在报告中包含重复的文本。

【解决方案2】：

sourceforge 上有一个复制粘贴检测 (CPD) 项目； http://pmd.sourceforge.net/cpd.html

但即使在大型项目中，我也发现我自己对代码的了解是一种可靠（尽管并非万无一失）的检测机制。

有关其他建议，另请参阅this question。

【讨论】：

【解决方案3】：

我们的Semantic Designs CloneDR 是一个检测复制粘贴编辑代码块的工具，适用于多种语言：C、C++、Java、C++、COBOL、ECMAScript、PHP、VB6、VB.net，...

它确实使用语言精确的解析器来构建抽象语法树，对应于确切的程序结构，然后比较它们的相似性。这意味着它不会被空格、格式化、cmets 甚至不同的文字“拼写”混淆（例如，3.14159 与 .00314150E3 相同）。

它会生成一份报告，准确地显示代码块的相似之处，以及它们之间的差异。您可以在链接中查看示例报告。

【讨论】：