写程序时时刻记着，这个将来要维护你写的程序的人是一个有严重倾向，并且知道你住在哪里的精神变态者。
重构一个项目还不如新开发一个项目...
这代码是谁写的，我真想...
你们的项目中是否也存在下面的问题？
单个项目也越来越庞大，团队成员代码风格不一致，无法对整体的代码质量做全面的掌控
没有一个准确的标准去衡量代码结构复杂的程度，无法量化一个项目的代码质量
重构代码后无法立即量化重构后代码质量是否提升
针对上面的问题，本文的主角 圈复杂度 重磅登场，本文将从圈复杂度原理出发，介绍圈复杂度的计算方法、如何降低代码的圈复杂度，如何获取圈复杂度，以及圈复杂度在公司项目的实践应用。
圈复杂度 在 1976 年由 Thomas J. McCabe, Sr. 提出。
圈复杂度大说明程序代码的判断逻辑复杂，可能质量低且难于测试和维护。程序的可能错误和高的圈复杂度有着很大关系。
2.2 衡量标准
代码复杂度低，代码不一定好，但代码复杂度高，代码一定不好。
圈复杂度 代码状况 可测性 维护成本
1 - 10 清晰、结构化 高 低
10 - 20 复杂 中 中
20 - 30 非常复杂 低 高
30 不可读 不可测 非常高
- 计算方法
3.1 控制流程图
控制流程图，是一个过程或程序的抽象表现，是用在编译器中的一个抽象数据结构，由编译器在内部维护，代表了一个程序执行过程中会遍历到的所有路径。它用图的形式表示一个过程内所有基本块执行的可能流向, 也能反映一个过程的实时执行过程。
下面是一些常见的控制流程：
3.2 节点判定法
有一个简单的计算方法，圈复杂度实际上就是等于判定节点的数量再加上1。向上面提到的：if else 、switch case 、 for循环、三元运算符等等，都属于一个判定节点，例如下面的代码：
function testComplexity(param) {
let result = 1;
if (param > 0) {
result--;
}
for (let i = 0; i < 10; i++) {
result += Math.random();
}
switch (parseInt(result)) {
case 1:
result += 20;
break;
case 2:
result += 30;
break;
default:
result += 10;
break;
}
return result > 20 ? result : result;
}
复制代码
上面的代码中一共有1个if语句，一个for循环，两个case语句，一个三元运算符,所以代码复杂度为 1+2+1+1+1=6。另外，需要注意的是 || 和 && 语句也会被算作一个判定节点，例如下面代码的代码复杂为3：
function testComplexity(param) {
let result = 1;
if (param > 0 && param < 10) {
result--;
}
return result;
}
复制代码
3.3 点边计算法
M = E − N + 2P
复制代码
E：控制流图中边的数量
N：控制流图中的节点数量
P：独立组件的数目
前两个，边和节点都是数据结构图中最基本的概念：
P代表图中独立组件的数目，独立组件是什么意思呢？来看看下面两个图，左侧为连通图，右侧为非连通图：
连通图：对于图中任意两个顶点都是连通的
一个连通图即为图中的一个独立组件，所以左侧图中独立组件的数目为1，右侧则有两个独立组件。
对于我们的代码转化而来的控制流程图，正常情况下所有节点都应该是连通的，除非你在某些节点之前执行了 return，显然这样的代码是错误的。所以每个程序流程图的独立组件的数目都为1，所以上面的公式还可以简化为 M = E − N + 2 。
重构需谨慎，示例代码仅仅代表一种思想，实际代码要远远比示例代码复杂的多。
4.1 抽象配置
通过抽象配置将复杂的逻辑判断进行简化。例如下面的代码，根据用户的选择项执行相应的操作，重构后降低了代码复杂度，并且如果之后有新的选项，直接加入配置即可，而不需要再去深入代码逻辑中进行改动：
4.2 单一职责 - 提炼函数
单一职责原则（SRP）：每个类都应该有一个单一的功能，一个类应该只有一个发生变化的原因。
在 JavaScript 中，需要用到的类的场景并不太多，单一职责原则则是更多地运用在对象或者方法级别上面。
函数应该做一件事，做好这件事，只做这一件事。 — 代码整洁之道
关键是如何定义这 “一件事” ，如何将代码中的逻辑进行抽象，有效的提炼函数有利于降低代码复杂度和降低维护成本。
4.3 使用 break 和 return 代替控制标记
我们经常会使用一个控制标记来标示当前程序运行到某一状态，很多场景下，使用 break 和 return 可以代替这些标记并降低代码复杂度。
4.4 用函数取代参数
setField 和 getField 函数就是典型的函数取代参数，如果么有 setField、getField 函数，我们可能需要一个很复杂的 setValue、getValue 来完成属性赋值操作：
4.5 简化条件判断 - 逆向条件
某些复杂的条件判断可能逆向思考后会变的更简单。
4.6 简化条件判断 -合并条件
将复杂冗余的条件判断进行合并。
4.7 简化条件判断 - 提取条件
将复杂难懂的条件进行语义化提取。
我们将开启 rules 中的 complexity 规则，并将圈复杂度大于 0 的代码的 rule severity 设置为 warn 或 error 。
rules: {
complexity: [
'warn',
{ max: 0 }
]
}复制代码
这样 eslint 就会自动检测出所有函数的代码复杂度，并输出一个类似下面的 message。
Method 'testFunc' has a complexity of 12. Maximum allowed is 0
Async function has a complexity of 6. Maximum allowed is 0.
...
复制代码
5.2 CLIEngine
我们可以借助 eslint 的 CLIEngine ，在本地使用自定义的 eslint 规则扫描代码，并获取扫描结果输出。
初始化 CLIEngine ：
const eslint = require('eslint');
const { CLIEngine } = eslint;
const cli = new CLIEngine({
parserOptions: {
ecmaVersion: 2018,
},
rules: {
complexity: [
'error',
{ max: 0 }
]
}
});
复制代码
使用 executeOnFiles 对指定文件进行扫描，并获取结果，过滤出所有 complexity 的 message 信息。
const reports = cli.executeOnFiles(['.']).results;
for (let i = 0; i < reports.length; i++) {
const { messages } = reports[i];
for (let j = 0; j < messages.length; j++) {
const { message, ruleId } = messages[j];
if (ruleId === 'complexity') {
console.log(message);
}
}
}
复制代码
5.3 提取message
通过 eslint 的检测结果将有用的信息提取出来，先测试几个不同类型的函数，看看 eslint 的检测结果：
function func1() {
console.log(1);
}
const func2 = () => {
console.log(2);
};
class TestClass {
func3() {
console.log(3);
}
}
async function func4() {
console.log(1);
}
复制代码
执行结果：
Function 'func1' has a complexity of 1. Maximum allowed is 0.
Arrow function has a complexity of 1. Maximum allowed is 0.
Method 'func3' has a complexity of 1. Maximum allowed is 0.
Async function 'func4' has a complexity of 1. Maximum allowed is 0.
复制代码
可以发现，除了前面的函数类型，以及后面的复杂度，其他都是相同的。
函数类型：
Function ：普通函数
Arrow function ： 箭头函数
Method ： 类方法
Async function ： 异步函数
截取方法类型：
const REG_FUNC_TYPE = /^(Method |Async function |Arrow function |Function )/g;
function getFunctionType(message) {
let hasFuncType = REG_FUNC_TYPE.test(message);
return hasFuncType && RegExp.$1;
}
复制代码
将有用的部分提取出来：
const MESSAGE_PREFIX = 'Maximum allowed is 1.';
const MESSAGE_SUFFIX = 'has a complexity of ';
function getMain(message) {
return message.replace(MESSAGE_PREFIX, '').replace(MESSAGE_SUFFIX, '');
}
复制代码
提取方法名称：
function getFunctionName(message) {
const main = getMain(message);
let test = /'([a-zA-Z0-9_$]+)'/g.test(main);
return test ? RegExp.$1 : '*';
}
复制代码
截取代码复杂度：
function getComplexity(message) {
const main = getMain(message);
(/(\d+)./g).test(main);
return +RegExp.$1;
}
复制代码
除了 message ，还有其他的有用信息：
函数位置：获取 messages 中的 line 、column 即函数的行、列位置
当前文件名称：reports 结果中可以获取当前扫描文件的绝对路径 filePath ，通过下面的操作获取真实文件名：
filePath.replace(process.cwd(), '').trim()
复制代码
复杂度等级，根据函数的复杂度等级给出重构建议：
圈复杂度 代码状况 可测性 维护成本
1 - 10 清晰、结构化 高 低
10 - 20 复杂 中 中
20 - 30 非常复杂 低 高
30 不可读 不可测 非常高
圈复杂度 代码状况
1 - 10 无需重构
11 - 15 建议重构
15 强烈建议重构
6.架构设计
将代码复杂度检测封装成基础包，根据自定义配置输出检测数据，供其他应用调用。
上面的展示了使用 eslint 获取代码复杂度的思路，下面我们要把它封装为一个通用的工具，考虑到工具可能在不同场景下使用，例如：网页版的分析报告、cli版的命令行工具，我们把通用的能力抽象出来以 npm包 的形式供其他应用使用。
在计算项目代码复杂度之前，我们首先要具备一项基础能力，代码扫描，即我们要知道我们要对项目里的哪些文件做分析，首先 eslint 是具备这样的能力的，我们也可以直接用 glob 来遍历文件。但是他们都有一个缺点，就是 ignore 规则是不同的，这对于用户来讲是有一定学习成本的，因此我这里把手动封装代码扫描，使用通用的 npm ignore 规则，这样代码扫描就可以直接使用 .gitignore这样的配置文件。另外，代码扫描作为代码分析的基础能力，其他代码分析也是可以公用的。
基础能力
代码扫描能力
复杂度检测能力
...
应用
命令行工具
代码分析报告
...
awesome-cli 是我新建的一个开源项目：有趣又实用的命令行工具，后面会持续维护，敬请关注，欢迎 star。
代码扫描（c-scan）源码：github.com/ConardLi/aw…
代码扫描是代码分析的底层能力，它主要帮助我们拿到我们想要的文件路径，应该满足我们以下两个需求：
我要得到什么类型的文件
我不想要哪些文件
7.1 使用
npm i c-scan --save
const scan = require('c-scan');
scan({
extensions:'*/.js',
rootPath:'src',
defalutIgnore:'true',
ignoreRules:[],
ignoreFileName:'.gitignore'
});
复制代码
7.2 返回值
符合规则的文件路径数组：
7.3 参数
extensions
扫描文件扩展名
默认值：*/.js
rootPath
扫描文件路径
默认值：.
defalutIgnore
是否开启默认忽略（glob规则）
glob ignore规则为内部使用，为了统一ignore规则，自定义规则使用gitignore规则
默认值：true
默认开启的 glob ignore 规则：
const DEFAULT_IGNORE_PATTERNS = [
'node_modules/',
'build/',
'dist/',
'output/',
'common_build/**'
];
复制代码
ignoreRules
自定义忽略规则（gitignore规则）
默认值：[]
ignoreFileName
自定义忽略规则配置文件路径（gitignore规则）
默认值：.gitignore
指定为null则不启用ignore配置文件
7.4 核心实现
基于 glob ，自定义 ignore 规则进行二次封装。
/**
${rootPath}${extensions},/**
/**
代码检测基础包应该具备以下几个能力：
自定义扫描文件夹和类型
支持忽略文件
定义最小提醒代码复杂度
8.1 使用
npm i c-complexity --save
const cc = require('c-complexity');
cc({},10);
复制代码
8.2 返回值
fileCount：文件数量
funcCount：函数数量
result：详细结果
funcType：函数类型
funcName；函数名称
position：详细位置（行列号）
fileName：文件相对路径
complexity：代码复杂度
advice：重构建议
8.3 参数
scanParam
继承自上面代码扫描的参数
min
最小提醒代码复杂度，默认为1
9.1 指定最小提醒复杂度
可以触发提醒的最小复杂度。
默认为 10
通过命令 conard cc --min=5 自定义
9.2 指定扫描参数
自定义扫描规则
扫描参数继承自上面的 scan param
例如： conard cc --defalutIgnore=false
代码复杂复杂度变化趋势
定时任务爬取代码每日的代码复杂度、代码行数、函数个数，通过每日数据绘制代码复杂度和代码行数变化趋势折线图。
通过 [ 复杂度 / 代码行数 ] 或 [ 复杂度 / 函数个数 ] 的变化趋势，判断项目发展是否健康。
比值若一直在上涨，说明你的代码在变得越来越难以理解。这不仅使我们面临意外的功能交互和缺陷的风险，由于我们在具有或多或少相关功能的模块中所面临的过多认知负担，也很难重用代码并进行修改和测试。（下图1）
若比值在某个阶段发生突变，说明这段期间迭代质量很差。（下图2）
复杂度曲线图可以很快的帮你更早的发现上面这两个问题，发现它们后，你可能需要重构代码。复杂性趋势对于跟踪你的代码重构也很有用。复杂性趋势的下降趋势是一个好兆头。这要么意味着您的代码变得更简单（例如，把 if-else 被重构为多态解决方案），要么代码更少（将不相关的部分提取到了其他模块中）。（下图3）
代码重构后，你还需要继续探索复杂度变化趋势。经常发生的事情是，我们花费大量的时间和精力来重构，无法解决根本原因，很快复杂度又滑回了原处。（下图4）你可能觉得这是个例，但是有研究标明，在分析了数百个代码库后，发现出现这种情况的频率很高。因此，时刻观察代码复杂度变化趋势是有必要的。
代码复杂度文件分布
统计各复杂度分布的函数数量。
代码复杂度文件详情
计算每个函数的代码复杂度，从高到低依次列出高复杂度的文件分布，并给出重构建议。
实际开发中并不一定所有的代码都需要被分析，例如打包产物、静态资源文件等等，这些文件往往会误导我们的分析结果，现在分析工具会默认忽略一些规则，例如：.gitignore文件、static目录等等，实际这些规则还需要根据实际项目的情况去不断完善，使分析结果变得更准确。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
