这篇讲怎么查一个仓库里的代码和其他项目重复了多少。看完你可以建一个代码溯源任务，选好要检查的仓库和拿来比对的仓库，设好相似度阈值，从重复率、相似度分档看到具体重复的文件和函数。

两个说法会贯穿全文：**溯源目标** 是你要检查的代码，这里用的是一个仓库；被溯源仓库是拿来跟它比对的仓库，一次最多选 50 个。

代码溯源在团队版和企业版中提供；社区版没有 **溯源** 菜单。

![一次查重：创建溯源，完成后看重复率，再对比代码并决定怎么处理](https://developer.qcloudimg.com/http-save/yehe-1099973/43ccd3488473bdd4883a56c7c4c5a24d.svg)

对照时以已经跑完的任务 **fixture: source vs dup (repo)** 为例：溯源目标是仓库 [xlliu/test-trace-source-example](https://git.anguskit.com/xlliu/test-trace-source-example)，被溯源仓库是 [xlliu/test-trace-dup-example](https://git.anguskit.com/xlliu/test-trace-dup-example)。溯源列表页上另外三条任务用的是同一套示例数据，分别是以文件 `InvoicePriceCalculator` 为目标、以函数 `calculateInvoiceTotal` 为目标，以及和 [xlliu/test-trace-unique-example](https://git.anguskit.com/xlliu/test-trace-unique-example) 做的对照。

## 1. 创建任务

1. **打开代码溯源**

   在侧栏点 **高级 → 溯源**，进入标题为 **代码溯源** 的页面，再点右上角的 **创建溯源**，打开一个分四步的创建向导。

2. **第 1 步：基本信息**

   **溯源名称** 必填，写清这次查的是什么，例如「source vs dup 查重」；**溯源描述** 可以不填。

3. **第 2 步：选择目标**

   **溯源目标** 有 **仓库**、**文件**、**代码块**、**函数** 四种。要查整个仓库就选 **仓库**，本例选的是 `test-trace-source-example`，分支可以不选。下方的 **去重重复文件** 开关会自动识别并排除重复的文件，一般保持默认即可。

4. **第 3 步：设置检查语言和相似度阈值**

   这一步在界面上的标题是 **配置参数**。**检查语言** 保持不勾选，界面说明是「不选将自动检查对比所有语言」。相似度阈值有两个：**文件相似度阈值** 默认 80%，**代码块相似度阈值** 默认 90%。第一次运行先用默认值。

5. **第 4 步：选择被溯源仓库**

   这一步在界面上的标题是 **选择仓库**。在搜索框里找到 `test-trace-dup-example`，点 **添加**，右上角会显示已选数量，例如 `1 / 50`。注意不要误选名字带 `-Fork` 的同名仓库。下方的 **配置摘要** 汇总了前面所有的选择，核对一遍再继续。

6. **创建并执行**

   点 **创建并执行**，任务创建后马上开始运行。如果只点 **创建**，任务会停在 **等待中**，之后要在列表里点 **开始溯源** 才会运行。

![创建溯源第 4 步：已添加 test-trace-dup-example，摘要里目标仓库是 test-trace-source-example](https://developer.qcloudimg.com/http-save/yehe-1099973/6d9ccf982a52c31f58c305043b833d63.png)

## 2. 几个参数怎么选

第 3 步和高级配置里的参数，大多数情况下保持默认就行。下表列出每个参数的默认值，以及什么时候需要改：

| 参数 | 默认 | 什么时候改 |
| --- | --- | --- |
| **检查语言** | 不勾选，检查所有语言 | 一般不用改，只想看某一种语言时再勾选 |
| **文件相似度阈值** | 80% | 想看更多「有点像」的文件就调低；只想看几乎一样的就调高 |
| **代码块相似度阈值** | 90% | 同上，作用在代码片段上 |
| **文件编码** | UTF-8 | 老项目源码是 GBK 编码时，改成 GBK |
| **忽略标识符差异** | 关闭 | 怀疑有人复制代码后改了变量名、函数名时打开 |
| **忽略字面量差异** | 关闭 | 想找出字符串、数字不同但逻辑一样的代码时打开 |
| **启用仓库缓存** | 启用 | 同一批仓库要反复查时保持打开 |

其中两项需要多说一句。**文件编码** 要和源码的实际编码一致：如果 GBK 编码的源码仍按 UTF-8 读取，中文注释会变成乱码，影响比对结果。**启用仓库缓存** 打开时，下次检查同一批仓库不用重新克隆代码；关掉之后，任务结束时会删除这次克隆下来的代码。

阈值滑块每次调整 5%。建议先用默认值跑一次，看过结果再决定调高还是调低。如果一开始就把阈值调得很低，结果会非常多，反而不好找重点。

另外，以 `.` 开头的目录、`node_modules` 和 `target` 不参与比对，目前也没有设置其他排除目录的选项。

## 3. 等任务跑完

在任务列表里，任务的状态会依次经过 **等待中**、**运行中**、**已完成**；执行出错会变成 **失败**，被手动停止则显示 **已取消**。运行中的任务可以点 **停止溯源** 中止。

耗时取决于仓库大小和被溯源仓库的数量：仓库越大、选的仓库越多，跑得越久。任务运行期间可以离开页面，稍后回来再看。

## 4. 看结果：从整体到具体的函数

任务变成 **已完成** 后，点 **查看详情** 进入详情页。详情页有 **溯源结果** 和 **执行日志** 两个页签，下面按从整体到具体的顺序看 **溯源结果**。

**先看整体数字。** 顶部依次是 **溯源仓库数**、**溯源文件数**、**代码行数**、**重复率** 和 **唯一率**。重复率只是一个整体提示：同一个团队的项目常用相同的框架和模板，本来就会有一部分相似代码，所以重复率不为零很正常。

**再看分档。** 每处匹配按相似度分进五档：**完全相同**（95–100%）、**高度相似**（80–95%）、**中等相似**（60–80%）、**低度相似**（40–60%）和 **唯一代码**（0–40%）。最值得看的是 **完全相同** 和 **高度相似** 这两档。

**然后看具体的匹配。** 结果列表可以 **按相似度排序**，让最像的排在最前面；在「搜索仓库或文件...」框里输入目录或文件名，可以只看相关的匹配。每条匹配会显示两边的文件和 **相似度分数**，点 **对比代码** 就能展开两边的代码，有两种视图：

- **并排对比**：左边是 **源文件**，右边是 **溯源文件**，适合看两段代码的整体结构。
- **统一视图**：上下排列，适合看细小的差别。

以 `source vs dup` 为例，结果里没有 **完全相同** 的匹配，两条都落在 **高度相似**。点开 `InvoicePriceCalculator.java` 的 **对比代码**，在 **并排对比** 里可以看到左右两边都是 `public class InvoicePriceCalculator`，**相似度分数** 是 86.86%。

![并排对比 InvoicePriceCalculator.java：左边源文件，右边溯源文件](https://developer.qcloudimg.com/http-save/yehe-1099973/ae6a3fbd57e9d3ad269ad38b9cfe2c54.png)

**最后逐条判断。** 看到重复代码后，先弄清楚它为什么重复，再决定怎么处理。常见的有三种情况：

| 看到的情况 | 重复原因 | 建议处理方式 |
| --- | --- | --- |
| 框架生成的代码、配置模板 | 脚手架或统一模板生成 | 正常重复，不用处理 |
| 几个项目里各复制了一份的工具函数 | 历史复制粘贴 | 考虑抽成公共模块，通过拉取请求重构 |
| 不该出现在这里的业务代码 | 跨项目误拷或违规复用 | 找相关负责人确认来源和是否需要删除 |

## 5. 导出和重新运行

**导出报告。** 在任务上点 **导出报告**，选好 **导出格式** 和 **导出范围**（全部结果，或当前已加载的结果）。格式有 **PDF (HTML)**、**Excel**、**JSON** 和 **Markdown** 四种，想先看效果可以点 **预览报告**。其中有两点要注意：**PDF (HTML)** 导出的是一个 HTML 文件，用浏览器打开后再打印成 PDF；**Excel** 目前导出的内容是 CSV 格式，用 Excel 打开时可能提示格式与扩展名不一致，所以需要表格时，建议先导出 Markdown 或 JSON 再转换。

**重新运行。** 代码有了新提交、想再查一次时，点 **重新溯源**。只有 **等待中** 的任务可以修改参数；已经跑过的任务如果想换参数，新建一个任务会更清楚。

## 6. 跑不出结果时怎么排查

任务失败或结果不对劲时，可以按下表对照排查：

| 你看到的 | 原因 | 怎么处理 |
| --- | --- | --- |
| 侧栏没有 **溯源** 菜单 | 社区版不包含代码溯源，或当前账号没有代码溯源权限 | 确认版本；或请管理员开通权限（见表后） |
| 第 4 步不能继续，提示「请至少选择一个被溯源仓库」 | 没有添加被溯源仓库 | 至少添加一个 |
| 状态变成 **失败** | 执行中出错，例如拉取某个仓库的代码失败 | 打开 **执行日志** 看具体原因 |
| 已完成，但几乎没有匹配 | 阈值太高，或者两边确实不像 | 两个阈值各调低 10%，新建任务再跑一次 |
| 勾选了某种语言后结果为空 | 语言筛选和仓库里的实际文件对不上 | **检查语言** 不勾选，检查所有语言 |
| 中文注释附近的比对结果很奇怪 | 源码不是 UTF-8 编码 | **文件编码** 改成 GBK 后重新创建任务 |

如果是权限问题，请管理员在成员权限里打开 **代码溯源** 这一项，它的说明是「允许使用代码溯源进行代码查重」。

## 常见问题

**能不能推送代码后自动查重？**

不能。代码溯源每次都需要手动创建并开始任务，推送代码和拉取请求都不会触发它。

**想查一段代码在哪些仓库里出现过，怎么做？**

在第 2 步把 **溯源目标** 设为 **代码块** 或 **函数**，填写名称并把代码粘进去：代码块建议至少 10 行，函数要包含完整的定义和实现。然后在第 4 步选上要查的被溯源仓库即可。

**比对的是被溯源仓库的哪个分支？**

被溯源仓库比对的是各自的默认分支；目标仓库的分支则在第 2 步里选择。

## 小结

给仓库做代码查重，就是在 **高级 → 溯源** 点 **创建溯源**，按四步建一个溯源任务：填写名称；选择目标仓库和分支；检查语言不勾选，相似度阈值先用默认的 80% 和 90%；添加 1 到 50 个被溯源仓库。点 **创建并执行** 后等任务完成，在 **查看详情** 里先看 **重复率**，再看完全相同和高度相似两档，对排在前面的匹配点 **对比代码** 逐条判断要不要处理。需要留档时用 **导出报告**，其中 PDF (HTML) 和 Markdown 最省事。代码溯源在团队版和企业版中提供，社区版没有 **溯源** 菜单。

> **结论：** 在 **高级 → 溯源 → 创建溯源** 选定目标仓库和 1–50 个被溯源仓库（相似度阈值先用默认的 80%/90%），任务完成后在详情页按相似度排序，点 **对比代码** 核对具体的重复片段。

## 参考文章

- [AngusGit 手册：代码溯源](https://www.anguskit.com/zh/docs/git/manual/15-traceability)
- [代码溯源是什么：在仓库里查相似代码，不是需求从哪来](https://www.anguskit.com/zh/blog/what-is-code-traceability-similarity)
- [在合并请求里做完代码评审：看 Diff、写行评、通过或打回](https://www.anguskit.com/zh/blog/code-review-in-pull-request)

这篇讲怎么查一个仓库里的代码和其他项目重复了多少。看完你可以建一个代码溯源任务，选好要检查的仓库和拿来比对的仓库，设好相似度阈值，从重复率、相似度分档看到具体重复的文件和函数。

怎么给仓库做代码查重：从建任务到看出重复函数

要知道一个仓库里有多少代码和其他项目重复，可以在 AngusGit 的代码溯源里建一个溯源任务：选好目标仓库和被溯源仓库，设置相似度阈值并运行，再从重复率、相似度分档一路看到具体重复的文件和函数。报告可以导出，跑不出结果时也能对照排查。

编程语言

在高级→溯源创建任务，选择目标仓库和最多50个被溯源仓库，相似度阈值默认80%/90%。完成后按重复率和相似度分档筛选，点对比代码核查重复文件及函数，支持导出报告。代码溯源仅团队版和企业版可用，社区版无溯源菜单。

Markdown

JSON

Java

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

怎么给仓库做代码查重：从建任务到看出重复函数-腾讯云开发者社区-腾讯云

怎么给仓库做代码查重：从建任务到看出重复函数

怎么给仓库做代码查重：从建任务到看出重复函数

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐