aibolit下載 - aibolit源代碼下載

aibolit

其他類別

Release 1.2.6

下載

它如何工作？

了解Aibolit在我們的白皮書中的工作方式。

如何使用？

首先，您安裝它（必須安裝Python 3.7.7並安裝PIP）：

$ pip3 install aibolit

要分析位於src/java的Java源（例如）運行：

$ aibolit check --filenames src/java/File.java src/java/AnotherFile.java

或者

$ aibolit recommend --filenames src/java/File.java src/java/AnotherFile.java

另外，您可以設置一個帶有Java文件的文件夾：

$ aibolit recommend --folder src/java

它將為模型運行推薦功能（模型位於aibolit/binary_files/model.pkl中。該模型找到了一種對循環複雜性最大的貢獻的模式。如果找到任何內容，您將看到上述模式的所有建議。您可以在0中看到所有模式的列表。沒有任何1 2

您可以抑制某些模式（逗號分開的值），它們將被忽略。它們不會被包括在報告中，其重要性也將設置為0。

$ aibolit recommend --folder src/java --suppress=P12,P13

您可以使用--format參數更改格式。默認值是--format=compact 。

$ aibolit recommend --folder src/java --format=compact --full

它將以降序的重要性來輸出分類的模式，並按模式名稱分組：

 Show all patterns
/mnt/d/src/java/Configuration.java score: 127.67642529949538
/mnt/d/src/java/Configuration.java[3840]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[3844]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[3848]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[2411]: Null Assignment (P28: 10.76 2/4)
/mnt/d/src/java/Configuration.java[826]: Many primary constructors (P9: 10.76 3/4)
/mnt/d/src/java/Configuration.java[840]: Many primary constructors (P9: 10.76 3/4)
/mnt/d/src/java/Configuration.java[829]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[841]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[865]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[2586]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3230]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3261]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3727]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3956]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/ErrorExample.java: error when calculating patterns: Can't count P1 metric:
Total score: 127.67642529949538

(P21: 30.95612931128819 1/4)表示以下內容：

 30.95612931128819 is the score of this pattern
1 is the position of this pattern in the total list of patterns found in the file
4 is the total number of found patterns

您可以使用format=long 。在這種情況下，所有結果將按線號進行排序：

 Show all patterns
/mnt/d/src/java/Configuration.java: some issues found
/mnt/d/src/java/Configuration.java score: 127.67642529949538
/mnt/d/src/java/Configuration.java[826]: Many primary constructors (P9: 10.76 3/4)
/mnt/d/src/java/Configuration.java[829]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[840]: Many primary constructors (P9: 10.76 3/4)
/mnt/d/src/java/Configuration.java[841]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[865]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[2411]: Null Assignment (P28: 10.76 2/4)
/mnt/d/src/java/Configuration.java[2586]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3230]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3261]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3727]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/Configuration.java[3840]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[3844]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[3848]: Var in the middle (P21: 30.95612931128819 1/4)
/mnt/d/src/java/Configuration.java[3956]: Partial synchronized (P14: 0.228 4/4)
/mnt/d/src/java/ErrorExample.java: error when calculating patterns: Can't count P1 metric:
/mnt/d/src/java/MavenSlice.java: your code is perfect in aibolit's opinion
Total score: 127.67642529949538

您也可以選擇XML格式。它將具有與compact模式相同的格式，但是將創建XML：

< report >
  < score >127.67642529949538</ score >
  <!-- Show all patterns -->
  < files >
    < file >
      < path >/mnt/d/src/java/Configuration.java</ path >
      < summary >Some issues found</ summary >
      < score >127.67642529949538</ score >
      < patterns >
        < pattern code = " P13 " >
          < details >Null check</ details >
          < lines >
            < number >294</ number >
            < number >391</ number >
          </ lines >
          < score >30.95612931128819</ score >
          < order >1/4</ order >
        </ pattern >
        < pattern code = " P12 " >
          < details >Non final attribute</ details >
          < lines >
            < number >235</ number >
          </ lines >
          < score >10.76</ score >
          < order >2/4</ order >
        </ pattern >
          < pattern code = " P21 " >
          < details >Var in the middle</ details >
          < lines >
            < number >235</ number >
          </ lines >
          < score >2.056</ score >
          < order >3/4</ order >
        </ pattern >
          < pattern code = " P28 " >
          < details >Null Assignment</ details >
          < lines >
            < number >2411</ number >
          </ lines >
          < score >0.228</ score >
          < order >4/4</ order >
        </ pattern >
      </ patterns >
    </ file >
    < file >
      < path >/mnt/d/src/java/ErrorExample.java</ path >
      < summary >Error when calculating patterns: Can't count P1 metric: </ summary >
    </ file >
    < file >
      < path >/mnt/d/src/java/MavenSlice.java</ path >
      < summary >Your code is perfect in aibolit's opinion</ summary >
    </ file >
  </ files >
</ report >

分數是模式的相對重要性（沒有範圍）。較大的分數是，最重要的模式是。例如，如果您有幾種模式，則首先需要用分數5.45來修復模式：

 /mnt/d/src/java/SampleTests.java[43]: Non final attribute (P12: 5.45 1/10)
/mnt/d/src/java/SampleTests.java[44]: Non final attribute (P12: 5.45 1/10)
/mnt/d/src/java/SampleTests.java[80]: Var in the middle (P21: 3.71 2/10)
/mnt/d/src/java/SampleTests.java[121]: Var in the middle (P21: 3.71 2/10)
/mnt/d/src/java/SampleTests.java[122]: Var declaration distance for 5 lines (P20_5: 2.13 3/10)
/mnt/d/src/java/SampleTests.java[41]: Non final class (P24: 1.95 4/10)
/mnt/d/src/java/SampleTests.java[59]: Force Type Casting (P5: 1.45 5/10)
/mnt/d/src/java/SampleTests.java[122]: Var declaration distance for 7 lines (P20_7: 1.07 6/10)
/mnt/d/src/java/SampleTests.java[122]: Var declaration distance for 11 lines (P20_11: 0.78 7/10)
/mnt/d/src/java/SampleTests.java[51]: Protected Method (P30: 0.60 8/10)
/mnt/d/src/java/SampleTests.java[52]: Super Method (P18: 0.35 9/10)
/mnt/d/src/java/SampleTests.java[100]: Partial synchronized (P14: 0.08 10/10)
/mnt/d/src/java/SampleTests.java[106]: Partial synchronized (P14: 0.08 10/10)
/mnt/d/src/java/SampleTests.java[113]: Partial synchronized (P14: 0.08 10/10)

每個類別的分數是所有模式得分的總和。

 /mnt/d/src/java/SampleTests.java score: 17.54698560768407

總分是項目中所有Java文件的平均值（您要分析的文件夾）

 Total average score: 4.0801854775508914

如果您有2個不同的項目，那麼最糟糕的項目是一個得分最高的項目。

型號會自動使用Aibolit軟件包安裝，但是您也可以嘗試自己的型號

$ aibolit recommend --folder src/java --model /mnt/d/some_folder/model.pkl

您可以使用--full命令獲得完整報告，然後將所有模式都包含在輸出中：

$ aibolit recommend --folder src/java --full

您可以使用--exclude命令排除文件。您將球圖案設置為忽略：

$ aibolit recommend --folder src/java --exclude= ** / * Test * .java --exclude= ** / * Impl * .java

如果您需要幫助，請運行

$ aibolit recommend --help

如何重新訓練？

Train命令執行以下操作：

計算模式和指標
創建一個數據集
訓練型號並保存

火車僅與克隆的git存儲庫一起工作。

克隆Aibolit存儲庫
轉到cloned_aibolit_path
運行pip install .
設置ENV變量export HOME_AIBOLIT=cloned_aibolit_path （linux的示例）。
設置ENV變量TARGET_FOLDER如果您需要將所有數據集文件保存到另一個目錄。
您必須指定火車和測試數據集：設置火車數據集的HOME_TRAIN_DATASET環境變量和HOME_TEST_DATASET環境變量用於測試數據集。通常，這些文件在數據集集合之後的scripts/target/08目錄中（如果尚未跳過）。但是您可以使用自己的數據集。
請注意，如果您設置了TARGET_FOLDER ，則數據集文件將在TARGET_FOLDER/target中。這就是為什麼必須設置home_train_dataset = TARGET_FOLDER target 08 08-train.csv，home_test_dataset = TARGET_FOLDER target 08 08-test.csv
如果您需要設置自己的目錄將保存在其中，請還設置SAVE_MODEL_FOLDER環境變量。否則，模型將保存到cloned_aibolit_path/aibolit/binary_files/model.pkl中
如果您需要使用Java文件設置自己的文件夾，請使用--java_folder parameter ，默認值將為scripts/target/01的aibolit克隆repo

或者您可以使用我們的Docker映像（鏈接很快就會在這裡）

運行火車管道：

$ aibolit train --java_folder=src/java [--max_classes = 100] [--dataset_file]

如果您需要將所有計算的指標保存到其他目錄中，則需要使用dataset_file參數

$ aibolit train --java_folder=src/java --dataset_file /mnt/d/new_dir/dataset.csv

您可以使用skip_collect_dataset參數跳過數據集集合。在這種情況下，該模型將通過預定義的數據集進行培訓（請參閱5點）：

$ aibolit train --java_folder=src/java --skip_collect_dataset

如何做出貢獻？

首先，您需要安裝：

Python 3+
pip
紅寶石2.6+
XCOP

如果沒有：

$ apt-get install ruby-dev libz-dev libxml2

然後，您要分配存儲庫並進行更改。然後，您可以通過運行確保構建仍然乾淨：

$ make

製造白皮書：

$ cd wp
$ latexmk -c && latexmk -pdf wp.tex

如果一切都很好，請提交拉動請求。

使用Docker推薦管道

$ docker run --rm -it 
  -v < absolute_path_to_folder_with_classes > :/in 
  -v < absolute_path_to_out_dir > :/out 
  cqfn/aibolit-image

展開

附加信息

版本 Release 1.2.6
類型其他類別
更新時間 2025-06-22
大小 14.27MB
來自於 Github

相關應用

IDArling

2025-06-25
hextor

2025-01-03
intellij tai e

2025-06-18
microavx

2025-03-20
cwe_checker

2025-06-25
pyt

2025-06-21

爲您推薦

chat.petals.dev

其他源碼

1.0.0
GPT Prompt Templates

其他源碼

1.0.0
GPTyped

其他源碼

GPTyped 1.0.5
IDArling

其他類別

1.0.0
hextor

其他類別

v0.14
intellij tai e

其他類別

v0.1.10
Google Dorks

其他源碼

1.0
shepherd

其他源碼

v6.1.6-react-shepherd: Prepare Release (#3063)
mongo express

其他源碼

v1.1.0-rc-3

相關資訊全部