使用JDT核心库解析JDK源码后初步分析API命名

源自术语词典API项目 · Issue #85 · program-in-chinese/overview, 打算先用早先的代码提取JDK API中的类/方法/参数名, 看看有哪些词需要翻译.

源码在program-in-chinese/programming_term_dictionary

类型名提取器.java 扩展了语法树遍历器, 对公开(public)的类型/方法/参数进行保存:

public class 类型名提取器 extends ASTVisitor { private 类型名 名 = new 类型名(); private String 当前类名 = ""; @Override public boolean visit(MethodDeclaration 方法节点) { String 当前方法名 = 方法节点.getName().getFullyQualifiedName(); if (为公开声明(方法节点)) { 名.方法名.put(当前方法名, 当前类名); } for (Object 参数 : 方法节点.parameters()) { VariableDeclaration 变量声明 = (VariableDeclaration) 参数; String 参数名 = 变量声明.getName().getFullyQualifiedName(); // 忽略所有单字母参数名. TODO: 是否需要研究单字母命名? if (参数名.length() > 1) { 名.参数名.put(参数名, 当前类名 + "." + 当前方法名); } } return super.visit(方法节点); } @Override public boolean visit(TypeDeclaration 类型节点) { if (为公开声明(类型节点)) { // TODO: 取完整类名(包括包名) 当前类名 = 类型节点.getName().getFullyQualifiedName(); 名.类名.put(类型节点.getName().getFullyQualifiedName(), 当前类名); } return super.visit(类型节点); } public 类型名 获取名() { return 名; } private boolean 为公开声明(BodyDeclaration 节点) { return (节点.getModifiers() & Modifier.PUBLIC) != 0; } public class 类型名 { public Map<String, String> 类名 = new HashMap<>(); public Map<String, String> 方法名 = new HashMap<>(); public Map<String, String> 参数名 = new HashMap<>(); } }

遍历JDK类型名.java 暂时只对util部分进行分析

public class 遍历JDK类型名 { private static final ASTParser 语法解析器 = ASTParser.newParser(AST.JLS8); // JDK源码内路径 private static final String 常量_源文件路径 = "java/util"; private static final String 常量_输出文件路径 = "命名列表/"; private static final 类型名提取器 提取器 = new 类型名提取器(); /** * * @param 参数 第一个参数为JDK路径。可由JDK目录下的src.zip解压。 * @throws Exception */ public static void main(String[] 参数) throws Exception { if (参数.length != 1) { System.out.println("需要JDK源码路径作为唯一参数"); return; } 文件功用.创建路径(常量_输出文件路径); 处理Java文件(new File(参数[0] + 常量_源文件路径)); 类型名 名 = 提取器.获取名(); // 从方法列表中删除所有构造方法 for (String 类名 : 名.类名.keySet()) { 名.方法名.remove(类名); } String 后缀 = "_" + 常量_源文件路径.replaceAll("/", "_"); 文件功用.写行入文件(名.类名, 常量_输出文件路径 + "类" + 后缀 + ".txt"); 文件功用.写行入文件(名.方法名, 常量_输出文件路径 + "方法" + 后缀 + ".txt"); 文件功用.写行入文件(名.参数名, 常量_输出文件路径 + "参数" + 后缀 + ".txt"); System.out.println("提取完毕: " + 名.类名.size() + "类;" + 名.方法名.size() + "方法;" + 名.参数名.size() + "参数"); } private static void 处理Java文件(File 路径) throws Exception { if (路径.isFile()) { if (路径.getName().endsWith(".java")) { 解析Java文件(路径); } } else { File[] 文件 = 路径.listFiles(); if (文件 != null) { for (File 某文件 : 文件) { 处理Java文件(某文件); } } } } private static void 解析Java文件(File 文件) throws Exception { 语法解析器.setSource(文件功用.取源文件文本(文件).toCharArray()); 语法解析器.createAST(null).accept(提取器); } }

初步统计:

提取完毕: 332类;1172方法;449参数

按照骆驼命名对提取出的命名进行单词拆分后, 得到902个单词, 其中有不少同根词, 如:

sequence sequential split splittable token tokenizer word words write writer zone zoned

还有不少不明所以的:

csn em fd

接下去将拆分出的单词与源API联系起来, 以便翻译时结合原API语义(已更新上面的源码). 比如csn来源于java.util.Formatter.Formatter(String fileName, String csn, Locale l), javadoc中意为The name of a supported {@linkplain java.nio.charset.Charset charset}. 真猜不到.

顺便对所有java/下的源码进行统计:

1579类;5093方法;2022参数 2752个单词

5倍左右数量的API但单词数只有3倍, 看来复用率蛮高. 总单词表在此.

2018-08-27