本研究采用哈希表技术评估代码间的相似性，通过高效的数据结构比较源代码片段，旨在提升软件工程中的重复代码检测与复用效率。
我的数据结构实习作业题目是“基于Hash表的代码相似度度量”。该任务要求设计并实现两种不同的基于哈希表的方法（开地址法和链地址法），用于计算两个C++程序之间的相似性，并分析比较这两种方法在效率上的差异。
具体来说，需要读取两个给定的C++文件（p1.cpp, p2.cpp）。首先自行定义一个合适的哈希函数。然后分别利用开放地址法和链地址法解决冲突问题来构建包含C++关键字的哈希表。当扫描源代码时，在遇到每个关键字后，查找相应的哈希表，并累加该关键字出现的频率。
接下来根据统计到的不同关键词频度生成两个向量X1和X2。通过计算这两个向量之间的相对距离s（即余弦相似性）来评估两份程序间的相似程度。公式如下：
\[ s = \frac{|X_1 - X_2|}{\sqrt{(X_1^T X_1)(X_2^T X_2)}} \]
此外，还需采用二叉排序树统计C++代码中的关键字及其频率，并根据上述提供的方法计算s值。最后输出使用开放地址法和链地址法得到的相似度s以及每种算法执行的时间。
在读取程序时需要过滤掉注释内容（包括单行注释// 和多行注释/*…*/）。
5星
