L'Institut de logiciels de l'Académie chinoise des sciences a progressé dans l'analyse des dépendances des programmes Python : aider les développeurs à améliorer l'efficacité de la réutilisation du code.

Selon le site Web de l'Académie chinoise des sciences, récemment, le Centre de recherche et de développement de technologies de génie logiciel de l'Institut du logiciel de l'Académie chinoise des sciences a fait des progrès dans ses recherches sur l'analyse des dépendances et l'inférence dans la construction de programmes Python, et propose des méthodes et des outils d'inférence de dépendance de programme Python basés sur la connaissance pour aider au développement. Il améliore l'efficacité de la réutilisation du code, réduit la construction du programme Python et les erreurs d'exécution causées par des dépendances manquantes et des versions de dépendance incorrectes, et joue un rôle de soutien dans l'amélioration des capacités d'automatisation de l'application. construction dans l’intégration du développement et de l’exploitation.

Selon les rapports, le langage Python est largement utilisé dans le calcul scientifique, etc., et les développeurs améliorent souvent le développement efficacité grâce à la réutilisation du code. Cependant, l'environnement d'exécution des programmes Python est complexe et dépend des packages Python, des bibliothèques système et des versions spécifiques de l'interpréteur Python. L'absence de dépendances de programme ou de versions de dépendances incompatibles peut entraîner des échecs de construction du programme et des erreurs d'exécution.

Pour résoudre ce problème, une méthode d'inférence de dépendance de programme Python basée sur les connaissances est proposée, qui comprend deux étapes : la construction d'un graphe de connaissances et l'inférence de dépendance de programme. Au cours de la phase de construction du graphe de connaissances, cette méthode collecte une grande quantité de données hétérogènes multi-sources, extrait et fusionne les connaissances et construit un graphe de connaissances de domaine Python. Dans l'étape d'inférence des dépendances du programme, la méthode est basée sur le graphe de connaissances du domaine et déduit les dépendances multi-niveaux du programme Python cible grâce à des méthodes d'analyse de programme et de résolution de contraintes.

Sur la base des méthodes ci-dessus, cette recherche a développé PyEGo : un outil d'inférence de dépendances de programmes Python basé sur les connaissances. Les résultats expérimentaux montrent que le taux de réussite de l'inférence de dépendances de l'outil PyEGo est 1,5 à 4,5 fois supérieur à celui des méthodes existantes, ce qui améliore considérablement la précision et l'efficacité d'exécution de la construction du programme.

▲ Diagramme schématique de la méthode d'analyse des dépendances du programme Python

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!