錯誤警示

本階段之工作目標是取得在版本資料庫中特定型態之差異(diff)，在此我們將該型態 鎖定為只有一行之變動，之後再將此統計資料加入圖 9 系統架構圖之 stage II 所得 pattern。在實作上可分為兩部份，一是處理版本資料庫並從中萃取資訊，二則是將此資 訊連結至上一節之結果。

3.4.1. 整理版本資料庫

在 cvs 儲存方法是以檔案做為版本之單位，意即在原始的設計上僅有檔案的版本號 是可直接取得，其它如檔案內容－如函式或結構(structure)定義－須進一步分析才能界定 是否在該檔案版本號下有所變動。各檔案內除了完整儲存最新一版之外，其它版本皆以 差異(diff)的方式儲存，其檔案內容架構如下：

表 6 CVS 儲存格式說明

A. 此檔案的相關資訊－如版本之繼承或分支關係、版本之修改者與日期等 B. 基底版本(baseline revision)－即所紀錄之唯一完整版本，除明確表示其版

本號外，其中又包含兩個 section

i. Log－在 cvs 的變動行為中，變動的發起者（submitter）可以文字敍 述記錄相關資訊；

ii. Text－完整的程式本文

C. 差異版本－記錄與下一版之間之差異，同樣地分為兩部份 i. Log－同上項

ii. Text－以 diff 之方式儲存與下一版之間的差異。

在此一部份我們只需要上述之 C.ii 部份，使用 python 直接處理檔案內容，這些檔案 包括版本資料庫中所有具有原始碼(source code)之檔案，使用適當的分節技巧後，略過不 相關的 A、B、C.i.部份，將所有之差異寫入一個暫存檔中，作法如圖 14。

但是 diff 之內容可能已失去其完整性而難無法使用 CIL 等工具分析，以表 7 為例說 明，表中為同一個檔案的二個版本，其中 Version 2 增加或修改部份內容，改變處有三，

其一是註解增加一行，而我們也不需此一部份，但當 CIL 等程式分析工具處理包含此註 解的全部差異時，由於此部份是以自然語言(natural language)表達，顯然會造成程式分 析工具錯誤；其二是增加一函式呼叫 another(flag)，其為完整之 statement，可直接由程 式分析工具處理，但是考慮到例中第三種情況時，由於 C 語言容許一個 statement 在多 行完成，而 cvs 是以一行為單位做 diff，則此情況會造成衝突，此例中 buk 此函式呼叫 更動一參數，而該參數又恰巧位於下一行中，只使用 diff 之結果無法回建 AST，導致 CIL 無法使用。

故若在處理 DIFF 時使用較為正規的方法（如 CIL）會導致研究難以進行，因此選 擇針對 openssh 之情況，研究者以程式自動化地判斷各 diff 是否為所需資料，詳細內容

及演算法如圖 15 圖 15 所示。

圖 14 diff 處理示意 表 7 版本差異示例

Version 1 Version 2 Diff(version1, version2) int foo(void)

{ /*

Comment line 1

*/

int foo(void) {

/*

Comment line 1 Comment line 2

*/

BASELINE VERSION Version 1.5 Log … Text … VERSION DIFF Version 1.4

BASELINE VERSION Version 1.8 Log … Text … VERSION DIFF Version 1.7

cleansing tokenize

虛擬碼 說明 foreach file in repository

skip to diff section;

直接讀出版本庫中每個檔案的 diff section(表 6 之 C.ii 部份)

Foreach diff

Foreach line in the diff

對各 diff 中的每一行

if (this line is comment) or 該行是註解，除了正常的註解方式，

如//或/* */，openssh 關於註解的特別 處是其在多行註解中（如表 7 中之 Comment line 2）雖無//或/* */，

通常以星號*做為該行起始，在排除掉

if this diff contains exactly only one line tokenize this line 3.4.2. 對映至 MINED PATTERN

將上一小節之結果－即各 token 之數量－對映到各 stage II 所得之 pattern 中，toekn 可能為 pattern 內之函式或變數，我們會在第四章中討論 pattern 內各 token 之關係以及 pattern 間如何利用 token 衡量其重要性。