據中國科學院網站，近日，中國科學院軟件研究所軟件工程技術研究開發(fā)中心在 Python 程序構建中的依賴分析推斷方面取得研究進展，提出知識驅動的 Python 程序依賴推斷方法及工具， 幫助開發(fā)人員提高代碼復用效率，減少依賴缺失和依賴版本錯誤導致的 Python 程序構建和運行錯誤 ，為提升開發(fā)運維一體化中的應用構建自動化能力起到支撐作用。

據介紹，Python 語言廣泛應用于科學計算等，開發(fā)者常常通過代碼復用提高開發(fā)效率。但 Python 程序運行環(huán)境復雜，依賴于 Python 包、系統(tǒng)庫和特定版本的 Python 解釋器。缺少程序依賴或者依賴版本不兼容，會導致程序構建失敗和運行錯誤。

針對該問題，研究提出一種知識驅動的 Python 程序依賴推斷方法，包括知識圖譜構建和程序依賴推斷兩個階段。在知識圖譜構建階段，該方法收集大量多源異構數(shù)據，進行知識的抽取和融合，構建 Python 領域知識圖譜。在程序依賴推斷階段，該方法基于領域知識圖譜，通過程序分析和約束求解方法推斷目標 Python 程序的多層次依賴。

基于上述方法，該研究開發(fā)了 PyEGo：知識驅動的 Python 程序依賴推斷工具。實驗結果顯示，PyEGo 工具的依賴推斷成功率是已有方法的 1.5—4.5 倍，極大提升了程序構建的正確率和執(zhí)行效率。

▲ Python 程序依賴分析方法示意圖