String 捕获可疑相似代码的最佳字符串比较算法

我正在尝试实现一个代码执行系统，我正在寻找一种方法来捕获来自不同用户提交的可疑相似代码。我的想法是使用骰子的系数来比较提交的字符串。在我的案例中可以使用它吗？如果不行，是否有更好的算法。

字符串比较算法不是我的主要关注点。Dice、Levenshtein或q-grams应该无关紧要（尽管我不是专家）

主要的事情是将代码转换成一系列标记。将第一个未知标记标记为1，第二个标记为2。然后比较这两个标记字符串。如果一个人所做的只是更改一些变量名，那么这将为您提供一个精确匹配

更复杂的是，如果令牌与

的

关键字
匹配，您可以为
标记唯一的标签。。。（大多数语言都有类似的关键字）。这可以避免误报


例如：

样本1：

name='fred'
印刷品（名称）

样本2：

my_name='harry'
打印（我的名字）

样本1标记：
name，=，'，fred'，print，（，name，）

样本1处理过的代币：
1,2,3,4,3,5,6,1,6

样本2标记：
my_name，=，'，harry'，print，（，my_name，）

样本2处理过的代币：
1,2,3,4,3,5,6,1,6

现在您匹配来自sample1和sample2的已处理令牌
是否有特定的目标语言？如果有一种特定的语言，转换成抽象语法树并比较逻辑可能会产生更好的结果不，没有目标语言有多个软件具有这种功能，为什么要重新设计轮子？你能给我一个例子吗？可能是