hangshuo652/cobol-java-v3
2
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
66 Commits 4 Branches 0 Tags
e5ab3baa46697834e0087c751ba563c07d44be11
Commit Graph

6 Commits

Author SHA1 Message Date
NB-076 e5ab3baa46 提升：37/37基准程序全量解析+O(N)路径枚举+运行时gcov验证 
## 核心变更

### 1. 新PROCEDURE DIVISION解析器（procedure_parser.py）
- 行级状态机替换旧的BrParser regex解析器
- 覆盖：IF/ELSE/END-IF（嵌套）、EVALUATE/WHEN/ALSO、
  PERFORM UNTIL/VARYING、READ/AT END/NOT AT END、
  SORT/MERGE、GO TO DEPENDING ON
- 之前：3/37程序有分支检测  →  现在：37/37全部有分支
- 速度：~20ms/程序，纯规则引擎

### 2. 桥接层（pipeline_bridge.py）
- 新解析器为主，旧解析器3秒超时兜底
- 自动选取分支数更多的结果

### 3. 线性路径枚举（design_mcdc.py）
- 替换旧的Cartesian积路径枚举（O(2^N)）为每决策点独立枚举（O(N)）
- 28-sysin: 162分支仅163条路径（之前需截断到60DP）
- 消除了500路径硬上限和60DP截断

### 4. 条件解析修复（cond.py）
- NOT运算符规范化：X NOT = 5 → X <> 5
- 88-level反向：NOT WS-EOF-Y → parent <> value
- 裸字段引用：NOT WS-EOF → WS-EOF <> 'Y'
- 验证：1182个IF条件中0个NOT污染

### 5. 约束字段过滤（__init__.py）
- OF限定词剥离：STD-KEY OF MASTER-REC → STD-KEY
- 下标字段解析：WS-ITEM(SUB) → WS-ITEM
- 跳过不在fields_dict中的字段（group item/伪影）

### 6. 预处理器增强（read.py）
- VALUE ALL剥离（VALUE ALL '*' → VALUE '*'）
- &续行合并（COBOL多行字符串拼接）
- PIC小数点点→V转换（Z(9)9.99. → Z(9)9V99.）
- 缺少点号补全

### 7. Grammar修复（grammar.lark）
- OCCURS 1 TIME支持（原只认TIMES）
- USAGE IS COMP支持（可选IS）
- $符号在PICTURE_STRING中
- 无NAME条款支持（clause+）

### 8. Flatfile写入（flatfile.py）
- 多记录FD支持（选字段最多的记录）
- Path类型强制转换
- 回退零值记录

### 9. Bug修复
- trace_to_root空列表保护（core.py）

### 10. 测试套件（S16-S21）
- S16: 全量基准程序端到端
- S17: gcov运行时对比
- S18/S19: 桥接器验证
- S20: DISPLAY插桩运行时验证+gcov分支覆盖率
- S21: 条件解析修复验证
- 全部17/17回归测试通过

Co-Authored-By: Claude <noreply@anthropic.com>
 2026-06-22 23:41:22 +08:00
NB-076 bb4a7a2346 fix: classification修复+grammar增强+75/75回归确认 
分类修复:
- FILE-CONTROL关键词(0.99)错误覆盖匹配检测信号
- 添加匹配型规则引擎更优优先级，确保匹配检测结果优先
- has_matching_kw特征注入，使IF-less匹配程序也能识别

Grammar增强:
- LEVEL扩展到/[0-9]+/覆盖所有COBOL层级号
- HEX_STRING添加支持X'...'十六进制字面量
- VALUE子句逗号预处理剥离(88-level多值)
- COPY正则支持引号包覆的名称

结果: 内部75/75, 外部基准54/58(93%)

Co-Authored-By: Claude <noreply@anthropic.com>
 2026-06-22 13:18:07 +08:00
NB-076 3b150b6c54 S14: 58-program benchmark suite — Lark grammar fixes + external COBOL validation 
Grammar fixes:
1. COPY regex: handle quoted names COPY "STD-REC.CPY"
2. Quoted name strip: remove quotes before file lookup
3. VALUE clause: support comma-separated 88-level values
4. PIC STRING: support decimal dot (ZZ9.99 -> PICTURE_STRING.99 + DOT)
5. LEVEL: use INT for level number (fixes 05/01/77 all levels)

Results on 58 telecom billing COBOL programs:
- Parse OK: 54/58 (93%)
- Parse fail: 4 (special chars: TAB, X'01', U'NNNN', &)
- Classification known issue: matching programs misclassified as
  '文件编成' because FILE-CONTROL keyword overrides matching signals
  (requires rule engine priority fix - separate issue)

Co-Authored-By: Claude <noreply@anthropic.com>
 2026-06-22 12:31:00 +08:00
NB-076 4be2aae66d fix: 生产级 COBOL 程序解析 — COPY + OCCURS TO + FD 修复 
对抗性测试发现的生产程序解析缺陷和修复:

缺陷1: COPY 语句从未被预处理（18 个月 bug）
  - resolve_copybooks() 在 main() CLI 中调用但在 extract_structure() 路径中从未被调用
  - 修复: preprocess() 函数头部调用 resolve_copybooks()
  - 不可解析的 COPY 行被移除（避免 Lark 在 FD 块内遇到无法识别的指令）

缺陷2: Lark 语法的 fd 规则要求 data_item+ (至少一个记录)
  - 生产程序 FD 可以通过 COPY 引入记录定义
  - COPY 被移除后 FD 内无 data_item 导致 Lark 崩溃
  - 修复: fd 改为 data_item* (零或多个)

缺陷3: OCCURS 1 TO 100 TIMES（变量范围表）
  - 语法只支持 OCCURS INT TIMES，不支持 OCCURS 1 TO 100 TIMES
  - 修复: occurs_clause 增加 'TO' INT 可选部分

效果: 4 个生产程序中 2 个成功解析（CRDVAL, GENDATA）
  - 剩余 2 个（CRDCALC, CRDRPT）因固定格式续行限制未修复

全回归: 767 passed（0 new failures）
 2026-06-21 16:13:58 +08:00
NB-076 dbee3b7251 fix: Lark grammar + parse_file_section SD/ASCENDING KEY support 
Bug fixes found through statement benchmark testing:
1. grammar.lark: Add ASCENDING/DESCENDING KEY IS + INDEXED BY to
   occurs_clause — fixes HINA024 (SEARCH ALL) parsing crash
2. grammar.lark: Add SD (Sort Description) entry type to file_section
   — fixes HINA034 (SORT), ST01, ST02 parsing crashes
3. read.py parse_file_section(): Handle SD blocks alongside FD blocks
   — enables SORT/MERGE file structure extraction

4 previously crashing files now parse successfully:
- HINA024.cbl (SEARCH ALL): paras=3, files=0
- HINA034.cbl (SORT): paras=1, files=3
- ST01_SORT.cbl: paras=2, files=3
- ST02_MERGE.cbl: paras=1, files=4

Regression: 749 passed (unchanged — classify_program internally caught
the crashes, so tests already 'passed'; real improvement is in data
quality: structure extraction now works for these programs)
 2026-06-21 12:21:36 +08:00
hangshuo652 bc1d56d1a4 feat: Phase 2 complete — 13 Phases of COBOL type classification and test benchmark 
P0.6: gcov infrastructure
P1: extract_structure output expansion (11 new feature fields)
P2: Confusion group rule engine (8 pairs + contradiction + backtrack)
P3: 4-factor confidence calculation + quality gate update
P4: 33+2 COBOL program type test samples (22 files, 7 categories)
P5: parametrized/ test data generation engine
P6: japanese_data.py lookup tables
P7-10: Type-specific test suites (~159 parametrized tests)
P11: Full classification pipeline (classify_program) + orchestrator integration
P12: Documentation (module-interfaces, test-plan v3.0, coverage-matrix)

Architecture decisions:
- classification_pipeline/ merged to hina/pipeline/
- parametrized/ as independent module
- japanese_data.py as root-level file
- hina/__all__ only exports classify_program()

Co-Authored-By: Claude <noreply@anthropic.com>
 2026-06-19 23:51:55 +08:00