我正在寻找一种可以比较源代码的相似性的工具。
我们现在有一个非常琐碎的系统，它有大量的误报，而真正的正则很容易被埋没。
我的要求是：
编辑：
为避免混淆，以下两个代码片段是相同的，应该这样检测：
for (int i = 0; i < 10; i++) { bla; }
int i; while (i < 10) { bla; i++; }
和这里一样：
int x = 10; y = x + 5;
int a = 10; y = a + 5;
我过去使用过 MOSS：http: //theory.stanford.edu/~aiken/moss/来检测抄袭代码。由于它在语义级别上工作，因此它将检测您上面介绍的情况。该工具是语言感知的，因此在分析中不考虑注释，并且它在检测通过简单搜索和替换变量和/或函数名称而修改的代码方面有很长的路要走。
注意：几年前我在研究生院教授计算机科学时使用了该工具，它在检测从互联网上下载的代码方面表现出色。这是类似应用程序的详细记录：http: //fie2012.org/sites/fie2012.org/history/fie99/papers/1110.pdf
如果你谷歌“测量软件相似度”，你应该会发现一些更有用的点击： http: //www.ics.heacademy.ac.uk/resources/assessment/plagiarism/detectiontools_sourcecode.html
您在计算机科学术语中的问题可能被描述为源代码抄袭检测。一个好的开始是阅读 Dobbs 博士的这篇文章：检测源代码抄袭。它列出了检测源代码中抄袭的算法。
注意：您所要求的确实是一个棘手的计算问题:)
可能是PMD的复制粘贴检测器？
我开始使用 JPLAG ( https://github.com/jplag/jplag ) 来检查代码相似性并比较学生在 Java 和文本文件中的作品。它可以很好地检查相同的代码结构和变量替换。
你可以试试duplo。它会找到共同的线路。它有一些忽略空白更改的能力，但不会检测带有重命名变量的代码，因此在检测抄袭时它更像是清理辅助而不是帮助。
（回复迟了，但问题的相关性永远不会消失）
我遇到了类似的问题并编写了一个基于 Web 的应用程序。
https://jefferey-cave.gitlab.io/miss/
我在教 javascript 和 python，所以这些是它处理的语言。它不处理 C/C++（当前）。我很想知道 Javascript 解释器如何处理 C。
我面临的问题是跨国际边界提交学生代码是非法的（禁止使用 MOSS），因此需要可以在本地运行的东西。该实现是纯客户端浏览器。
有趣的是，我认为它可能会以独特的方式满足您的“低误报”标准。分配之间总是有一些相似之处，但使用一种独特的技术来识别“开始看起来可疑”的点。
我发现它在确定课堂中的团队动态（谁与谁一起工作/学习）时更有用。
它有一些有趣的实时图形，因此在本科生提交第一份作业后展示给他们很有用。第一个作业总是有高度的相似性，所以现场演示它没有坏处（提交名称匿名）。
我总是讲述我认为（严重和公然）作弊的学生的故事。他们的工作与另一个学生非常独特的答案非常相似。将该学生的作业与班上其他人进行比较，结果表明与班上其他人没有显着的相似性。它远低于“有趣”的门槛。这导致了对提交的更深入的调查......原来有一个教程，风格表现出来，但工作是独一无二的。
什么都没有发生，那些学生从来不知道他们离他们有多近。