代码片段分析与标签预测-中期报告

成员

  • 扶聪
  • 廖心怡

目前进展

使用爬虫技术从gist.github.com和code.csdn.net两个网站上得到代码数据，对得到的代码进行初步的分析处理，得到代码的一些特性，并将其可视化。同时对两个网站上的数据特征进行对比

目前成果

代码片段属性

特征         gist@GitHub     code@CSDN
标题            很少          没有
描述            很少          很多
标签            没有          很多
描述语言      英语和其他语言    中文
来源          用户提交的       网站整合的
代码片段数量      65k          145k
用户数量         35k          36k

可视化

代码大小分布
程序员提交的代码片段数目大小
不同语言代码分布情况
代码片段描述长度