克隆代码又叫做代码克隆,往往是由开发人员的“拷贝-粘贴”行为导致的。在软件维护周期,开发过程中所引入的克隆代码会导致昂贵的维护费用。研究表明在传统软件中,克隆代码占到了软件源代码的13%-20%。随着Web技术的发展,越来越多的Web应用被开发并且在用户中流行。由于Web开发本身的一些特点,不管在新开发的还是稳定版本的Web应用中都存在克隆代码,相比于传统软件,克隆代码的比例甚至更加高。但是目前针对Web应用中克隆代码的检测研究较少,且大多数都是使用基于哈希值的方法来检测克隆代码。使用基于哈希值的方法意味着许多克隆代码会被漏掉,以及精度上的问题。本文在相关的研究基础上,总结各种检测方法的优缺点,构建并改进了基于树的克隆代码检测方案,并实现了基于树的克隆代码检测系统TCD(Tree-based Clone Detection)。该方案中改进并使用特征向量代替子树,以降低子树匹配所带来的开销。通过对特征向量的分析,引入了降低特征向量的维度的方法,从而减少了高维向量所带来的计算开销。引入建立特征向量的随机kd森林的索引来高效地查找每个特征向量的最邻近特征向量以得到克隆代码,从而保证了检测克隆代码的高效性以及准确性。通过对14个最流行的Web应用进行克隆代码的检测,统计每个Web应用中的克隆率并统计和分析结果中各种类型的克隆代码分布的情况。并选取其中三个应用的三个不同版本,统计同一应用的不同版本中的克隆率。最后,在不同应用中也检测到了克隆代码。大量的实验表明,TCD在大多数情况下,能够高效地检测三种类型的克隆代码。并且相对于现有的克隆代码检测工具,TCD在速度上、精度以及检测的克隆代码数量上都有一定的优势。