如何通过编程方式检测源代码仓库/目录所用的框架及依赖库

• scancode-toolkit：开源的代码成分扫描工具，内置了语言识别、框架特征匹配、依赖解析全链路能力，在linguist的语言识别基础上扩展了数千种开发框架、类库的特征库，能精准识别绝大多数常见前后端、移动端、嵌入式开发框架，同时支持解析所有主流编程语言的依赖声明文件，输出结果可以自定义格式，不会出现混乱的问题。
• syft：专注软件物料清单生成的开源工具，扫描速度快，对大体积代码目录兼容性好，除了依赖识别能力外，当前版本已经内置了框架检测规则，支持直接输出识别到的编程语言、框架、依赖三类信息。
• ohcount：轻量级代码扫描工具，除了统计代码行数外，也附带了基础的语言和框架识别能力，适合对扫描速度要求高、仅需要识别主流框架的场景。

如果你需要定制化能力，可以按以下三层架构开发：

• 第一层：基础编程语言识别，直接复用github/linguist的成熟能力即可，不需要重复开发，它对99%以上的主流编程语言识别准确率都能满足需求。
• 第二层：开发框架识别，根据第一步识别到的编程语言，匹配对应维度的特征指纹：
  • 配置文件特征：匹配各框架特有的配置文件，比如Vue项目的vue.config.js、Spring Boot项目的application.yml、Django项目的settings.py
  • 依赖声明特征：匹配依赖文件中的标志性依赖，比如package.json中存在react依赖即可判定使用React框架，requirements.txt中存在flask依赖即可判定使用Flask框架
  • 代码特征：匹配代码中的特有语法、注解、引入语句，比如Java代码中出现@SpringBootApplication注解、前端代码中出现import React from 'react'语句
• 第三层：依赖库识别，针对不同编程语言的标准依赖声明文件做定向解析即可，比如Python解析requirements.txt/pyproject.toml、Java解析pom.xml/build.gradle、JavaScript解析package.json/lock文件、Go解析go.mod。
• 最后将三层识别结果做去重、聚合处理，按你需要的格式输出即可。

内容的提问来源于stack exchange，提问作者Shreyansh Dubey