GitcProc: ein Tool zur Verarbeitung und Klassifizierung von GitHub-Commits

Plattformen wie GitHub haben eine riesige Sammlung von Softwareartefakten geschaffen, die Forscher nutzen können, die daran interessiert sind, Software Systeme zu verstehen und zu verbessern. Aktuelle Werkzeuge zur Verarbeitung solcher GitHub-Daten konzentrieren sich häufig auf Projektdaten und vermeiden die Verarbeitung von Quellcode, oder sie verarbeiten Quellcode auf eine Weise, die erheblichen Aufwand für jede unterstützte Sprache erfordert. Dieses Papier präsentiert GitcProc, ein leichtgewichtiges Tool, das auf regulären Ausdrücken und Quellcode-Blöcken basiert, welches Projekte herunterlädt und deren Projektgeschichte extrahiert, einschließlich feinkörniger Quellcodeinformationen und Entwicklungszeit-Bugfixes. GitcProc kann Änderungen an sowohl einzeiligen als auch Block-Quellcode-Strukturen verfolgen und diese Änderungen mit minimalem Aufwand für die Benutzer dem umgebenden Funktionskontext zuordnen. Wir demonstrieren die Fähigkeit von GitcProc, Änderungen in mehreren Sprachen zu erfassen, indem wir es an C-, C++-, Java- und Python-Projekten evaluieren, und zeigen, dass es Bugfixes und den Kontext von Quellcodeänderungen effektiv mit wenigen falsch positiven Ergebnissen findet.