原型工具开发:基于代码变更的过时需求识别

1 捕获代码变更

Jdiff可以捕获代码中新增或删除的代码元素,旧版本中的一个代码元素在新版本中没有同名元素则被认为是删除的元素,同理可得新增的元素。

2 构建变更组 

首先根据新增和删除的类型提出了17种变更场景;紧接着通过一组制品属性定义了特定的变更场景;然后根据启发式规则识别出符合特定变更场景的变更,而因这些变更产生的代码元素被认为是需求相关元素;最后按类对需求相关元素进行分组,形成变更组。

2.1 变更场景

 2.2 制品属性定义特定的变更场景

  2.3 利用启发式规则检测需求相关元素

2.4 实现 

(1)通过Retro获取制品间相似度,并求得每个需求的候选追踪链

import xml.etree.cElementTree as ET
import xlwt
from xlwt import Workbook
root = ET.parse("trace.xml")
high_node = root.getiterator("high")
print("收集开始...")

#train_book = xlwt.Workbook()
#train_sheet=train_book.add_sheet('sheet', cell_overwrite_ok=True)
for node in high_node:
    book = xlwt.Workbook()
    sheet1 = book.add_sheet('sheet1', cell_overwrite_ok=True)
    train_book = xlwt.Workbook()
    train_sheet = train_book.add_sheet('sheet1', cell_overwrite_ok=True)
    print(node.attrib['id'])
    high_node_child=[]
    high_node_child = node.getchildren()
    sourceName=node.attrib['id']
   # print(sourceName)
    row=0
    train_row = 0
    for child in high_node_child:
        print(child.attrib['id'])
        grandson=child.getchildren()[0];
        sheet1.write(row, 0, sourceName)
        sheet1.write(row, 1, child.attrib['id'])
        #train_sheet.write(train_row, 0, sourceName)
        train_sheet.write(train_row, 1, child.attrib['id'])
        train_sheet.write(train_row, 0, grandson.text)
        train_row = train_row + 1
        row=row+1
    #book.save("links/" + sourceName + '.xls')
    train_book.save("links/"+sourceName + '.xls')
print("收集结束")

(2)根据规则判断是否是需求相关元素

代码:https://download.csdn.net/download/A1342772/12322633

(3)提取关键词后使用Retro匹配关键词集合和需求

 

通过例子介绍使用方法如下: 1.差异统计 统计某一个版本的代码包相对于一个原始的基线代码包,变动的代码量 以及变动的代码量中各语言非空非注释行(NBNC)的结果 缺省执行的就是差异统计,直接跟上两个代码包的目录即可 实际使用中,可能会有文件名和目录名大小写不一致的情况,如果希望忽略 文件名大小写的差异,需要使用 --ignore-case 参数,否则两个一样的文件 一个会算作删除,一个会算作新增 Diffcount [test\sp1] and [test\sp2] result: LANG ADD MOD DEL A&M BLK CMT NBNC RATE ----------------------------------------------------------------------- C 44 7 26 51 8 11 35 1.00 Pascal 0 0 25 0 0 0 0 0.23 Java 7 4 11 11 0 3 9 0.41 Config 31 4 0 35 1 0 34 0.12 XML 126 0 0 126 2 0 124 0.12 ----------------------------------------------------------------------- Convert all NBNC lines to standard C Total: 57.65 (standard C lines) ADD MOD DEL A&M BLK CMT NBNC RATE 的 含义分别为: 新增、修改、删除、新增+修改、空行、注释、非空非注释行、标准C折算率 2.代码统计: 如果需要,可以把diffcount当作普通的代码行统计工具,统计一个代码代码统计使用 -c (或者--count-only)参数, 在diffcount目录下执行 执行结果如下: Counting package [test\count] result: LANG TOTAL BLK CMT NBNC RATE ----------------------------------------------------------------------- C 203 46 61 101 1.00 C++ 57 7 25 25 0.42 Pascal 117 24 17 79 0.23 Java 71 7 24 40 0.41 ASM 129 34 12 85 2.50 C# 18 1 1 17 0.20 Basic 447 140 20 295 0.21 Perl 97 4 26 74 0.16 TCL/TK 91 12 26 54 0.50 Config 116 13 0 103 0.12 XML 126 2 0 124 0.12 ----------------------------------------------------------------------- Convert all NBNC lines to standard C Total: 490.00 (standard C lines) 如果想显示每一个文件的具体信息,请使用 --print-files-info 参数
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值