pystylo: simple stylometry for Python (con R)
Marcelo Rinesi
Ayer escribí un pequeño programa que realiza un (simple) análisis
estilométrico cuantitativo de la sintaxis de programas en lenguaje
Python. El resultado del programa es un archivo de texto que importo a
un script muy-muy simple en R que genera un par de gráficos, pero los
datos permiten hacer cosas mucho más complicadas --- en principio,
sería perfectamente posible usar este programa y, e.g., rpart, para
identificar de manera automatizable el nivel de experiencia del autor
de un programa.
Copio abajo el texto que mandé a la lista de correos de Python
Argentina - incluye link a la página del programa y a su código.
* * *
Estuve jugando un poco con el módulo AST y armé un script que calcula
un par de métricas cuantitativas sobre el parse tree de un programa;
por ahora no es más que un juguete, pero es posible que pueda llegar a
servir, por ejemplo, para identificar estilos de programación
característicos de diferentes programadores o plataformas, o incluso a
identificar posibles quirks en tu estilo. En general no veo mucha
utilidad en los "grammar checkers" aplicados a lenguajes naturales,
pero al ser mucho mejor definidos formalmente, los lenguajes de
programación permiten hacer cosas un poco más copadas ---
especialmente si en vez de definir "reglas" de manera prescriptiva,
simplemente encontrás paralelos y divergencias estadísticas frente a
"bases canónicas" de código, o tus propios programas en el pasado.
La página con el link al código está acá:
http://blog.rinesi.net/pystylo/
Caveat emptor, no es ni siquiera beta, la documentación interna y
externa es horrible, no está empaquetado de manera decente, puede
destruir todos tus datos incluso en la nube, etc, etc. Ni siquiera
garantizo que no sea un generador de números aleatorios escondido
dentro de una versión ofuscada de decimal.py.
Sds,
Marcelo
m.goebel
Marcelo Rinesi
Sorry, I'm having DNS troubles with my server, so it's kind of
unreachable right now. I'll drop you a note when it's back up.