【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及可视化前端代码质量检测方法、设备及计算机存储介质。
技术介绍
1、在前端工程领域，代码质量检测是确保软件产品达到预期标准的关键步骤。目前的前端代码质量检测工具，如eslint、prettier、stylelint等，可以识别前端代码中的语法错误、编码规范偏差以及潜在的逻辑缺陷。然而，这些前端代码质量检测工具通常只提供文字形式的质量报告，缺乏直观的统计图表等可视化手段来展示代码质量问题，导致开发者难以快速把握代码的整体质量状况，进而影响了代码审查和维护的效率。
技术实现思路
1、本申请的主要目的在于提供一种可视化前端代码质量检测方法、设备及计算机存储介质，旨在解决前端代码质量检测工具缺乏直观可视化展示的技术问题。
2、为实现上述目的，本申请实施例提供一种可视化前端代码质量检测方法，所述方法包括：
3、获取待检测的前端代码，将所述前端代码转换为抽象语法树；
4、基于所述抽象语法树，对所述前端代码进行静态分析并生成问题报告；
5、将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议；
6、基于所述问题报告、所述质量评估信息以及所述修改建议，得到质量检测结果并利用可视化api进行展示。
7、在一实施例中，所述获取待检测的前端代码，将所述前端代码转换为抽象语法树的步骤包括：
8、通过词法分析器提取所述前端代码的基本词法单元；
9、将所述基本词法单元
10、将所述语法结构映射为节点，所述语法结构的逻辑关系定义为边，构建抽象语法树。
11、在一实施例中，所述基于所述抽象语法树，对所述前端代码进行静态分析并生成问题报告的步骤包括：
12、遍历所述抽象语法树，对所述抽象语法树的每个节点进行语义分析；
13、在遍历过程中识别所有语义错误，并将所述语义错误对应的问题的类型、位置、问题描述以及修复建议，关联保存至错误集合；
14、遍历结束后，根据所述错误集合中的信息，输出问题报告。
15、在一实施例中，所述对所述抽象语法树的每个节点进行语义分析的步骤之前，包括：
16、根据前端代码中的标识符以及所述标识符对应的声明信息建立符号表，并保存所述符号表；
17、构建作用域链，确定所述抽象语法树中所述每个节点的作用域层级；
18、定义类型系统，确定预定义类型、用户定义类型，以及所述预定义类型和所述用户定义类型相互转换的规则；
19、基于所述符号表、所述作用域链以及所述类型系统，在所述语义分析过程中识别所述语义错误。
20、在一实施例中，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，包括：
21、获取所述前端代码的文本数据，并对所述文本数据进行预处理，所述预处理包括分词、清洗标点符号以及将字符转换为小写格式；
22、将所述预处理后的文本数据通过词嵌入转换为数值向量；或者
23、将所述预处理后的文本数据应用one-hot编码转换为数值矩阵。
24、在一实施例中，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，还包括：
25、基于pytorch构建神经网络模型；
26、将预处理后的文本数据划分为训练集和验证集，其中，所述验证集包括对所述预处理后的文本数据的检测结果和修改建议；
27、利用所述训练集进行批次训练，执行前向传播计算所述神经网络模型的预测输出，并通过损失函数计算预测误差；
28、执行反向传播算法，根据所述预测误差调整所述神经网络模型的权重。
29、在一实施例中，所述执行反向传播算法，根据所述预测误差调整所述神经网络模型的权重的步骤之后，包括：
30、在所述验证集上运行所述神经网络模型，并输出预测结果；
31、将所述预测结果与所述验证集的实际结果进行对比，通过计算性能评估指标来评估所述神经网络模型的性能；
32、根据所述性能评估指标的结果调整所述神经网络模型的参数，以优化所述神经网络模型的性能，所述参数包括学习率、批次大小以及网络结构；
33、保存调整后的所述神经网络模型的参数，并利用训练好的神经网络模型进行前端代码的质量评估。
34、在一实施例中，所述基于所述问题报告、所述质量评估信息以及所述修改建议，生成可视化质量检测结果的步骤之后，包括：
35、获取所述前端代码的修改记录，并跳转执行获取所述前端代码的文本数据，并对所述文本数据进行预处理的步骤；
36、将预处理后的所述前端代码的修改记录标记为训练集数据；
37、当生成新的所述训练集数据时，触发增量学习过程，对所述神经网络模型进行二次训练；
38、完成所述增量学习过程后，更新并保存所述神经网络模型的权重和参数；
39、基于更新后的所述神经网络模型，进行所述前端代码的质量评估。
40、本申请实施例还提供一种可视化前端代码质量检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的可视化前端代码质量检测方法的步骤。
41、本申请实施例还提供一种计算机存储介质，所述计算机存储介质为计算机可读存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的可视化前端代码质量检测方法的步骤。
42、本申请实施例公开了一种可视化前端代码质量检测方法，获取待检测的前端代码，将所述前端代码转换为抽象语法树；基于所述抽象语法树，对所述前端代码进行静态分析并生成问题报告；将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议；基于所述问题报告、所述质量评估信息以及所述修改建议，得到质量检测结果并利用可视化api进行展示。本申请通过将代码转换为抽象语法树，并对抽象语法树进行静态分析以生成问题报告，然后通过神经网络模型对代码进行质量评估并提供修改建议，最终得到质量检测结果，并通过可视化形式对质量检测结果进行展示，实现了前端代码质量的直观可视化展示，提升了前端代码审查的直观性，进而提高了前端代码审查和维护的效率。
本文档来自技高网...【技术保护点】
1.一种可视化前端代码质量检测方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取待检测的前端代码，将所述前端代码转换为抽象语法树的步骤包括：
3.如权利要求1所述的方法，其特征在于，所述基于所述抽象语法树，对所述前端代码进行静态分析并生成问题报告的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述对所述抽象语法树的每个节点进行语义分析的步骤之前，包括：
5.如权利要求1所述的方法，其特征在于，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，包括：
6.如权利要求1所述的方法，其特征在于，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，还包括：
7.如权利要求6所述的方法，其特征在于，所述执行反向传播算法，根据所述预测误差调整所述神经网络模型的权重的步骤之后，包括：
8.如权利要求1所述的方法，其特征在于，所述基于所述问题报告、所述质量评估信息以及所述修改建议，生成可视化质量检
9.一种可视化前端代码质量检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至8中任一项所述的可视化前端代码质量检测方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质为计算机可读存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的可视化前端代码质量检测方法的步骤。
...【技术特征摘要】
1.一种可视化前端代码质量检测方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取待检测的前端代码，将所述前端代码转换为抽象语法树的步骤包括：
3.如权利要求1所述的方法，其特征在于，所述基于所述抽象语法树，对所述前端代码进行静态分析并生成问题报告的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述对所述抽象语法树的每个节点进行语义分析的步骤之前，包括：
5.如权利要求1所述的方法，其特征在于，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，包括：
6.如权利要求1所述的方法，其特征在于，所述将所述前端代码输入到神经网络模型，得到所述前端代码的质量评估信息和修改建议的步骤之前，还包括：
...【专利技术属性】
技术研发人员：李晓辉，李冠霖，林大海，刘林鹏，
申请(专利权)人：深圳市智慧城市科技发展集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。