gwlbjfu的博客

本人的数据结构实习作业“基于Hash表的代码相似度度量”，代码简洁明了，可读性强，并附带较多的注释，方便他人查看。一般通过查看注释便能了解程序的结构与功能，方便进行修改。以下是实习作业的具体要求： 对于两个C++程序，设计并实现两种不同的基于Hash表的检测算法（开地址法和链地址法），计算两个程序的相似度，并分析比较两种算法的效率。 分别读取两个C++程序文件（p1.cpp, p2.cpp），自行设计哈希函数，分别利用开放地址法和链地址法的冲突解决方案，构建C++语言关键字的Hash表。在扫描源程序的过程中，每遇到关键字就查找相应Hash表，并累加相应关键字出现的频度。 根据统计的两个程序中关键字不同频度，可以得到两个向量X1，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，相对距离s的计算方法是（ T表示向量的转置） |X1—X2| （（X1—X2）（X1—X2）T）1/2 s= ———————— = ——————————————— |X1|1/2•|X2|1/2 （X1•X1T）1/2（X2•X2T）1/2 利用开放地址法和链地址法两种不同的冲突解决方案构建，分别输出s和两种方法计算s所用的时间。 读取C++程序时，过滤注释，不考虑注释中的内容。（两种注释//和/*…*/） 采用二叉排序树来统计其中的关键字及其频度，按照上述公式计算s，同时给出计算s所用的时间。