Frequenza dei simboli nei linguaggi di programmazione

Question

Sto cercando un tipo di riferimento che mostri la frequenza dei simboli dei linguaggi di programmazione più diffusi. Sto cercando di progettare un layout di tastiera ottimale per la programmazione.

Se non vi è alcun riferimento, non mi dispiacerebbe creare una semplice utilità che capisca questo. Tuttavia, avrei bisogno di suggerimenti su quali file analizzare per ciascuna lingua.

Uno dei problemi che posso prevedere è dire ottengo codice Objective-C, se si tratta di un semplice programma senza oggetti, quindi i tasti [ e ] saranno molto meno frequente che un obiettivo medio -c file. Quindi, direi che una delle linee guida è che il codice di esempio dovrebbe essere rappresentativo di un file medio e utilizzare le funzionalità più comunemente usate della lingua.

Inizialmente pensavo che avrei dovuto ottenere lo stesso codice scritto in lingue diverse, ma non sono sicuro che sia una buona idea dato che alcune lingue hanno usi diversi da altri.

Answer 1

Loro sono una versione del layout di tastiera Dvorak disponibile, ottimizzata per i programmatori.

http://www.kaufmann.no/roland/dvorak/

Se vi capita di usare Ubuntu, è già presente sul sistema.

Answer 2

C'è una vasta raccolta di software open source che è possibile misurare per ottenere alcuni dati buoni sulla frequenza dei caratteri. Sourceforge e Github sarebbero i posti in cui cercare.

Gli sviluppatori non si limitano a scrivere codice, ma scrivono anche documenti di progettazione, e-mail e risposte per impilare le domande di overflow. Forse l'installazione di un keylogger su alcuni computer sviluppatori consenzienti sarebbe il modo migliore.

Answer 3

Per campioni di codice di grandi dimensioni da utilizzare per l'analisi statistica, è possibile provare a cercare i progetti open source più popolari o cercare su Koders per lingua.

ho fatto alcune semplici modifiche a un layout QWERTY a pochi anni fa, e ho usato da allora come il mio layout general-purpose:

• cifre Swap per il loro turno-simboli corrispondenti.
• Swap _ e -: i nomi con caratteri di sottolineatura sono comuni, e ora - e + richiedono entrambi Maiusc.
• Swap [] e {}: i blocchi sono più comuni di pedici.

Più due modifiche facoltative, da gustare:

• Swap ` e ~: distruttori sono comuni.
• Swap ' e ": le stringhe sono più comuni dei caratteri.

L'ultimo è l'unico che in genere interferisce con la digitazione di testo normale in inglese. Il layout funziona magnificamente per C++, Perl e qualsiasi altra cosa abbia usato negli ultimi due o tre anni.L'aumento notevole della velocità deriva dalla drastica riduzione della necessità di premere il tasto Maiusc. Trovo che l'uso di Shift per i numeri non sia un grosso problema dato che il tastierino numerico di solito è più veloce comunque.

Answer 4

Quello che stai cercando è un buon corpus dei linguaggi di programmazione. Sebbene nulla sia subito sorto in un semplice Googling, i seguenti collegamenti potrebbero rivelarsi utili se crei il tuo strumento.

A novel framework to detect source code plagiarism

Calgary Corpus

Generating an NLP Corpus from Java Source Code

A Computer Science Text Corpus/Search Engine X-Tec and Its Applications

Mining search topics from a code search engine usage log

Answer 5

Il libro The New C Standard: An economic and cultural commentary contiene un sacco di misurazioni di utilizzo sorgente C. Le cifre e le tabelle di utilizzo sono disponibili in versione pdf pdf