據中國科學院網站，近日，中國科學院軟體研究所軟體工程技術研究開發中心在Python 程式建構中的依賴分析推斷方面取得研究進展，提出知識驅動的Python 程式依賴推斷方法及工具， 幫助開發人員提高程式碼復用效率，減少依賴缺失和依賴版本錯誤導致的Python 程式建置和運行錯誤 ，為提升開發運維一體化中的應用建置自動化能力起到支撐作用。
據介紹，Python 語言廣泛應用於科學計算等，開發者常常透過程式碼重複開發效率。但 Python 程式運行環境複雜，依賴 Python 套件、系統庫和特定版本的 Python 解釋器。缺少程式依賴或依賴版本不相容，會導致程式建置失敗和運行錯誤。
針對這個問題，研究提出一種知識驅動的 Python 程式依賴推論方法，包括知識圖譜建構和程式依賴推斷兩個階段。在知識圖譜建構階段，此方法收集大量多源異質數據，進行知識的抽取與融合，建構 Python 領域知識圖譜。在程式依賴推斷階段，方法基於領域知識圖譜，透過程式分析和約束求解方法推斷目標 Python 程式的多層次依賴。
基於上述方法，研究開發了 PyEGo：知識驅動的 Python 程式依賴推斷工具。實驗結果顯示，PyEGo 工具的依賴推論成功率是已有方法的 1.5—4.5 倍，大幅提升了程式建置的正確率和執行效率。
▲ Python 程式依賴分析方法示意圖
以上是中科院軟體所在 Python 程式建構依賴分析的進展：幫助開發人員提高程式碼重複使用效率的詳細內容。更多資訊請關注PHP中文網其他相關文章！
