成功的大规模系统被称为遗留系统。这些系统具有巨大的商业价值。但是因为它们的体积庞大,并且缺乏文档信息,所以难于维护。其中相似性代码是困扰工程师们的一大问题。在一个大型的软件项目中,大约有10%至30%的代码是相似性代码。由于相似性代码的存在,导致了软件维护时70%的开销。相似性代码是指相同的或者近似相同的源代码片断。在软件维护的过程中,相似性代码的出现会造成多种问题。这篇论文对相似性代码产生的原因及其造成的安全隐患进行了阐述。由于使用目的不同,不同工具对相似性代码的种类进行了不同的划分。在总结了现有的相似性代码分类与检测方法之后,这篇论文将相似性代码划分为五类:简单的相似性代码片断、重命名的相似性代码片断、不邻接的相似性代码片断、乱序的相似性代码片断和纠缠的相似性代码片断。这篇论文将相似性代码的检测方法划分为四类:基于串的分析方法、基于度量的分析方法、基于抽象语法树的分析方法和基于程序依赖图的分析方法。一个相似性代码集合中的相似性代码片断可能具有一类或者多类相似性问题。不同种类的相似性代码可以使用不同的方法进行判断。这篇论文详细阐述了基于串的代码相似性判定方法、基于软件度量的代码相似性判定方法和基于程序依赖图的代码相似性判定方法在实现过程中所需的理论及算法知识。这些内容主要包括:Karp‐Rabin算法、基于Karp‐Rabin的GST算法、软件度量理论、程序依赖图理论及相关算法。此外,针对Java语言,这篇论文介绍了基于串的代码相似性判定工具、基于软件度量的代码相似性判定工具和基于程序依赖图的代码相似性判定工具的设计方案,并详细阐述了工具的实现方法。