一款完全自研、可插拔的代码统计与依赖分析引擎基于 CodeStats 开源 JavaWeb 平台30语言识别、多线程并行、循环依赖检测GUI/CLI/Web三端通用 痛点直击商业工具收费高、开源工具定制难、IDE插件分析浅CodeStats代码分析模块作为开源JavaWeb平台的核心子模块从零打造了轻量级代码分析引擎——代码行统计 依赖图构建 循环检测全部自研无第三方依赖可独立运行也可嵌入任何Java项目 四大设计模式实战完整源码1. Pipeline模式——分析流程解耦javaPipelinePath, Void pipeline new Pipeline(); pipeline.addStage(new CollectStage(filterChain)) // 采集文件 .addStage(new ParallelAnalyzeStage(threads)) // 并行分析 .addStage(new AggregateStage(sortBy)) // 聚合结果 .addStage(new OutputStage(config)); // 输出格式化各阶段零耦合新增语言识别或复杂度算法只需添加Stage。2. 策略模式——多格式输出JSON格式保留完整数据结构便于二次处理CSV格式表格化Excel直接打开Console格式可读文本实时预览3. 组合模式——过滤器链javaCompositeFilter filter new CompositeFilter() .add(new ExtensionFilter(Arrays.asList(java, py, js))) .add(new ExcludePathFilter(Arrays.asList(test, target))) .add(new GitIgnoreFilter(rootDir));扩展名过滤 排除路径 GitIgnore支持运行时动态配置。4. 模板方法模式——30语言识别通过扩展名或shebang自动识别语言统一注释解析规则新增语言只需3分钟实现具体子类。⚙️ 核心亮点完整实现细节多线程并行分析引擎javaListCompletableFutureFileInfo futures paths.stream() .map(path - CompletableFuture.supplyAsync(() - { FileInfo info analyzeStage.process(path); monitor.incrementWithFile(path); return info; }, executor)) .collect(Collectors.toList());文件I/O与CPU密集型分析分离线程数可配置默认CPU核心数进度实时上报支持SwingWorker界面更新自研Java依赖提取无编译纯词法扫描javapublic class JavaDependencyExtractor { public ExtractedResult extract(Path file) throws IOException { // 词法扫描 → 识别包名、导入、类声明 // 收集字段类型、方法返回值、参数类型 // 通过同包、导入、java.lang隐式规则解析全限定名 return new ExtractedResult(classInfo, resolvedDeps); } }Tarjan算法循环依赖检测javapublic ListSetString detectCycles() { // 一次DFS找出所有强连通分量 // O(VE)线性时间复杂度 // 过滤单节点精准定位循环依赖组 }智能代码行统计准确区分单行注释、块注释开头/中间/结束、空行、有效代码行排除注释后统计数据更真实。 三端运行完整使用方式GUI桌面版Swingbashjava -jar codestats.jar --gui # 或运行主类 java com.omni.framework.codestats.gui.CodeStatsGUI实时进度条 当前文件显示结果表格可排序、导出CSV支持合并文件下载命令行版CI/CD集成bash# 参数-d 目录 -e 扩展名 -x 排除路径 -t 线程数 # -o 输出格式(json/csv/console) -f 输出文件 java -jar codestats.jar -d ./src -e java,py -x test,target -o json -f report.jsonWeb版嵌入CodeStats平台bash# 启动完整CodeStats服务 java com.omni.Bootstrap # 访问 http://localhost:28080/omni/demo/code/codeStats.html后端REST API/code/api/analyze、/code/api/dependencies、/code/api/download 开源地址与CSDN教程CodeStats 完整 JavaWeb 项目含代码分析模块 https://gitee.com/zhouzuoli/code-stats.gitWWAIC全周AI编程范式详解 https://blog.csdn.net/zhouzuoli/article/details/14508832若链接失效请在CSDN搜索“新型AI编程范式 全周 AI 编程Whole-Week AI CodingWWAIC” 运行效果示例text Code Statistics src/main/java/.../UserController.java : 120 lines src/main/java/.../UserService.java : 85 lines ... ---------- Summary ---------- Total files: 187 Total code lines: 15234 Total comment lines: 1245 Time: 2.3s ---------- Dependencies ---------- Total classes: 156 Average outgoing dependencies: 3.2 Cyclic groups found: 2 总结CodeStats代码分析模块是一个功能完善、架构清晰、可扩展性强的代码分析工具通过四大设计模式实现了高度解耦三端支持满足不同场景自研依赖分析引擎展示了Java词法解析与图算法的实战能力。作为开源JavaWeb项目CodeStats的核心子模块既可独立运行也可嵌入任何Java项目是学习设计模式、多线程、图算法的绝佳实战项目。如果对设计模式、高并发、依赖分析感兴趣欢迎Star⭐和Fork一起打造更好用的开发工具箱。
开源CodeStats核心模块：手撕代码分析工具，设计模式+高并发+依赖分析完整实现！
一款完全自研、可插拔的代码统计与依赖分析引擎基于 CodeStats 开源 JavaWeb 平台30语言识别、多线程并行、循环依赖检测GUI/CLI/Web三端通用 痛点直击商业工具收费高、开源工具定制难、IDE插件分析浅CodeStats代码分析模块作为开源JavaWeb平台的核心子模块从零打造了轻量级代码分析引擎——代码行统计 依赖图构建 循环检测全部自研无第三方依赖可独立运行也可嵌入任何Java项目 四大设计模式实战完整源码1. Pipeline模式——分析流程解耦javaPipelinePath, Void pipeline new Pipeline(); pipeline.addStage(new CollectStage(filterChain)) // 采集文件 .addStage(new ParallelAnalyzeStage(threads)) // 并行分析 .addStage(new AggregateStage(sortBy)) // 聚合结果 .addStage(new OutputStage(config)); // 输出格式化各阶段零耦合新增语言识别或复杂度算法只需添加Stage。2. 策略模式——多格式输出JSON格式保留完整数据结构便于二次处理CSV格式表格化Excel直接打开Console格式可读文本实时预览3. 组合模式——过滤器链javaCompositeFilter filter new CompositeFilter() .add(new ExtensionFilter(Arrays.asList(java, py, js))) .add(new ExcludePathFilter(Arrays.asList(test, target))) .add(new GitIgnoreFilter(rootDir));扩展名过滤 排除路径 GitIgnore支持运行时动态配置。4. 模板方法模式——30语言识别通过扩展名或shebang自动识别语言统一注释解析规则新增语言只需3分钟实现具体子类。⚙️ 核心亮点完整实现细节多线程并行分析引擎javaListCompletableFutureFileInfo futures paths.stream() .map(path - CompletableFuture.supplyAsync(() - { FileInfo info analyzeStage.process(path); monitor.incrementWithFile(path); return info; }, executor)) .collect(Collectors.toList());文件I/O与CPU密集型分析分离线程数可配置默认CPU核心数进度实时上报支持SwingWorker界面更新自研Java依赖提取无编译纯词法扫描javapublic class JavaDependencyExtractor { public ExtractedResult extract(Path file) throws IOException { // 词法扫描 → 识别包名、导入、类声明 // 收集字段类型、方法返回值、参数类型 // 通过同包、导入、java.lang隐式规则解析全限定名 return new ExtractedResult(classInfo, resolvedDeps); } }Tarjan算法循环依赖检测javapublic ListSetString detectCycles() { // 一次DFS找出所有强连通分量 // O(VE)线性时间复杂度 // 过滤单节点精准定位循环依赖组 }智能代码行统计准确区分单行注释、块注释开头/中间/结束、空行、有效代码行排除注释后统计数据更真实。 三端运行完整使用方式GUI桌面版Swingbashjava -jar codestats.jar --gui # 或运行主类 java com.omni.framework.codestats.gui.CodeStatsGUI实时进度条 当前文件显示结果表格可排序、导出CSV支持合并文件下载命令行版CI/CD集成bash# 参数-d 目录 -e 扩展名 -x 排除路径 -t 线程数 # -o 输出格式(json/csv/console) -f 输出文件 java -jar codestats.jar -d ./src -e java,py -x test,target -o json -f report.jsonWeb版嵌入CodeStats平台bash# 启动完整CodeStats服务 java com.omni.Bootstrap # 访问 http://localhost:28080/omni/demo/code/codeStats.html后端REST API/code/api/analyze、/code/api/dependencies、/code/api/download 开源地址与CSDN教程CodeStats 完整 JavaWeb 项目含代码分析模块 https://gitee.com/zhouzuoli/code-stats.gitWWAIC全周AI编程范式详解 https://blog.csdn.net/zhouzuoli/article/details/14508832若链接失效请在CSDN搜索“新型AI编程范式 全周 AI 编程Whole-Week AI CodingWWAIC” 运行效果示例text Code Statistics src/main/java/.../UserController.java : 120 lines src/main/java/.../UserService.java : 85 lines ... ---------- Summary ---------- Total files: 187 Total code lines: 15234 Total comment lines: 1245 Time: 2.3s ---------- Dependencies ---------- Total classes: 156 Average outgoing dependencies: 3.2 Cyclic groups found: 2 总结CodeStats代码分析模块是一个功能完善、架构清晰、可扩展性强的代码分析工具通过四大设计模式实现了高度解耦三端支持满足不同场景自研依赖分析引擎展示了Java词法解析与图算法的实战能力。作为开源JavaWeb项目CodeStats的核心子模块既可独立运行也可嵌入任何Java项目是学习设计模式、多线程、图算法的绝佳实战项目。如果对设计模式、高并发、依赖分析感兴趣欢迎Star⭐和Fork一起打造更好用的开发工具箱。
