CodeMirror Duplicate Finder通过行级字符串相似度计算检测重复,不理解语义、不解析AST;默认切分≥8行连续块,用归一化编辑距离比对原始字符,变量名、缩进、注释等差异均影响结果。

VSCode 原生不支持算法级代码重复检测,所谓“通过算法检测”实际依赖插件对文本块做行级相似度计算,不是语义理解,也不分析 AST。
CodeMirror Duplicate Finder 的匹配原理是什么
它把每个文件切分成连续的行块(默认 ≥8 行),对每一对块计算编辑距离(Levenshtein-like)归一化后的相似度。不解析语法树、不替换变量名、不归一化缩进或空格——只比对原始字符串的字符重合率。
- 两个
for循环,一个用let i = 0,另一个用const item of arr,会被视为完全不同的块 - 注释内容、模板字符串、JSX 默认被跳过,除非显式开启
duplicate-finder.includeStrings - 相似度计算时,制表符
\t和 4 个空格被视为不同字符,直接影响阈值判定 - 它不扫描
.gitignore或files.exclude里排除的路径,哪怕你手动右键选中了该文件
怎么调 minLines 和 similarityThreshold 才不漏关键重复
默认值(minLines: 8, similarityThreshold: 85)适合大段逻辑,但对 React Hook、工具函数、错误处理模板等小而密的重复极不友好。
- 把
duplicate-finder.minLines改成4或5:钩子函数、try/catch块、axios请求封装常只有 4–6 行 - 把
duplicate-finder.similarityThreshold调到70~75:变量名一换(data→payload)、加一行console.log或删一个空行,就能让相似度从 86% 掉到 79% - 务必开启
duplicate-finder.includeStrings: true:否则 JSX 中<button onclick="{handleClick}"></button>这类高频重复结构直接隐身
为什么改了配置还是找不到明显重复
不是插件失效,而是扫描范围被静默截断。最常踩的三个坑:
-
**/node_modules/**或src/generated/**在.gitignore里?插件根本不会读这些目录,哪怕你右键点的是里面某个文件 - 文件编码含 BOM(尤其 Windows 上保存的 UTF-8 with BOM)?插件解析失败但不报错,只是跳过整份文件
- 重复块跨了
if分支或被拆成两段(比如前半段初始化,后半段赋值)?这种「结构错位」不在任何基于行连续性的算法覆盖范围内
遇到变体重复,别硬等插件标出来
插件对这类情况无解:参数名不同、箭头函数 vs 普通函数、是否带类型注解、仅差一个超时数字(timeout: 5000 vs timeout: 10000)。这时候更高效的是组合动作:
- 用
Ctrl+Shift+F搜共性标识符,比如localStorage.setItem、catch (err)、setError(,把结果限制在 10 个文件内再人工扫 - 把疑似块复制进 diffchecker.com,开 ignore whitespace 模式快速比对
- 需要跨语言或容忍缩进差异?用命令行
simian工具跑一次:simian -includes="**/*.ts,**/*.js" -threshold=60
插件的作用从来不是“发现全部”,而是把“全项目扫一遍”的体力活,压缩成“盯住 3 个文件就够了”。剩下那点要不要合并、抽成什么粒度的函数,得你对着业务逻辑拍板——算法不替人做设计决策。


















