去掉代码中的变量名

关注

原创最新推荐文章于 2025-07-05 07:00:21 发布 756 阅读 AI 写同款· GEO 优化 ›

代码查重——LCS、Levenshtein距离、Jaro-Whinkle距离和变量代换内容介绍基本功能实现 a) 预处理 b) LCS实现 c) 给出合适的r，求出D(i,j) 解决变量名代换的问题 a) 字面距离 b) 正则化截取实验概述对待查重的文件的预处理 LCS基本实现对r、D(i,j)和递归公式的推导字面距离（Levenshtein距离和Jaro-Winkler距离）正则化表达式截取字符串实验内容基本实现 a) 预处理首先，考虑到不同人编程的... 阅读详情

需求

一种常见的抄袭做法是修改方法名和变量名；
如果在查重的时候去掉这些元素，就可以避免相关误差。

做法

这个问题困扰我许久了…
思考过的解决方案：

常用词库

顾名思义就是把各个语言所有的常用语法列出来并保存，这些元素以及符号之外的字符就可以认为是变量名和方法名，处理源代码是删除它们即可。
这样做有很大的问题：
1.词库过于庞大。如python语言，不可能把所有外部库里的元素都遍历并储存。
2.失误率太高。一个变量名和词库中的某个词一致或相似，难以判断是否删除。
3.如何作为整体识别。以.或空格区分？效率太低且特殊情况太多。

混淆工具

下载了proguard-master。使用混淆工具问题也很突出：
1.功能不匹配。混淆工具会对代码进行整体检查，并把相应内容随机化；仅仅是去变量名，不太合适。
2.难以应用。即便使用混淆工具处理相关代码，一般需要修改代码，这就与查重相冲突；暂时修改的话，效率又太低。
3.语言的适应性。一般的混淆工具只能适应某一种语言，难以满足需求。