Wprowadzenie

Ta strona szybko buduje ogromny zbiór danych fragmentów kodu, więc zróbmy coś z tym!

Oto plik danych . Zawiera 9 066 unikalnych par język + fragment kodu dla 113 języków, wszystkie pobrane z tej witryny. Format jest rozdzielony tabulatorami (język-TAB-urywek), wszystkie znaki nowego wiersza we urywkach są zastąpione <LF>, a wszystkie tabulacje zastąpione 4 spacjami. Istnieje co najmniej 5 fragmentów dla każdego języka.

[aktualizacja: Wprowadziłem niewielką zmianę w pliku danych, aby scalić niektóre wersje Pythona i RegExp, które wcześniej mi brakowały - powyższy link został zaktualizowany]

Wyzwanie

Napisz program lub funkcję, która pobiera fragment kodu i wyświetla język, w którym jest napisany (szczegóły poniżej). Całkowity rozmiar źródła + wszelkie wymagane dane muszą wynosić 300 bajtów lub mniej, a program musi wyświetlać poprawny język, jeśli otrzyma własny kod źródłowy. Wygrywa najwyższa dokładność (najbardziej poprawne odpowiedzi w powyższym zestawie danych).

Zasady

• Całkowity rozmiar kodu źródłowego, zasobów i wymaganych flag kompilacji / środowiska wykonawczego nie może przekraczać 300 bajtów.
• Twoja odpowiedź zostanie przetestowana w oparciu o powyższy zestaw danych; otrzyma jedną z wartości „Snippet” jako dane wejściowe, a jego wyniki zostaną porównane z „poprawnymi” danymi wyjściowymi zgodnie z zestawem danych. Zostanie to powtórzone dla wszystkich wpisów w zbiorze danych, a ostateczna liczba poprawnych odpowiedzi to Twój wynik.
• Możesz wybrać kodowanie wejściowe - zakładam UTF-8, więc jeśli potrzebujesz innego kodowania, podaj je w swojej odpowiedzi.
• Nie musisz używać <LF>zamiennika dla nowych linii; jeśli twój wpis spodziewa się otrzymywać nowe wiersze jako dosłowne nowe znaki (znak 10), określ to w swojej odpowiedzi.
• Wpis musi zawierać język, w którym według niego jest wpisany fragment kodu. Aby uniknąć konieczności kompresji wielu ciągów językowych, pozwolę na odwzorowania (jeśli chcesz wypisać 3 dla „Java”, to w porządku); zwróć uwagę na mapowania w swojej odpowiedzi.
• Możesz mieć tylko 1 mapowanie wyjściowe dla każdego języka (tzn. Jeśli 3 oznacza „Java”, nie możesz również mieć 4 oznaczenia „Java”).
• Po otrzymaniu własnego kodu źródłowego twój program musi uzyskać poprawną odpowiedź (musi wypisać język, w którym jest napisany).
• Nie musisz obsługiwać wszystkich języków w zbiorze danych i możesz wesprzeć dodatkowe języki, jeśli chcesz (np. Jeśli twój wpis nie jest w jednym z języków w zbiorze danych).
• Twój program musi być deterministyczny (dwukrotne podanie tego samego sygnału wejściowego musi dać ten sam wynik).

Łamanie krawatów

• Decyzje dotyczące remisów będą redukowane przez zestaw danych do momentu wygrania jednego wpisu. Zestaw danych zostanie zmniejszony przez usunięcie wszystkich fragmentów dla najpopularniejszego języka (tzn. Powiązania są przerywane przez dokładność w rzadszych językach). Na przykład, jeśli A i B uzyskają 70% wyniku w pełnym zbiorze danych, wszystkie fragmenty Pythona zostaną usunięte. Jeśli oba A i B zdobędą teraz 60%, CJam zostanie usunięty. Jeśli A uzyska teraz 50%, a B 55%, B jest zwycięzcą.
• Jeśli zostanie osiągnięta 100% dokładność, decyzje o powiązaniach zostaną ustalone na podstawie drugiego (ślepego) zestawu danych zawierającego więcej próbek dla tych samych języków.

Przykład 1

Skrypt Pythona:

print("python")

Skrypt z powodzeniem tworzy „python”, gdy otrzymuje swój własny kod źródłowy, więc jest poprawny. W zbiorze danych wynik wynosi 1008/9066 = 11,1%

Przykład 2

Funkcja JavaScript:

function f(s){return /function/.test(s)?1:2}

Z mapowaniami 1 → javascript, 2 → python. Ponownie z powodzeniem produkuje 1 („javascript”) dla własnego źródła, a w zestawie danych osiąga wynik 1092/9066 = 12,0%

Skąd pochodzą dane?

Utworzyłem zapytanie SEDE, aby pobrać próbki z [golf-golfa] wyzwań na tej stronie. Z uzyskanych 10 000 odpowiedzi użyłem zhakowanego skryptu python, aby znaleźć kod i nazwę języka dla każdego z nich, a następnie odfiltrowałem dowolny język z mniej niż 5 przykładami. Dane nie są w 100% czyste (wiem, że zostały wyciągnięte niektóre fragmenty kodu), ale powinny być wystarczająco dobre.

Zainspirowany tym wyzwaniem z początku roku: kto to powiedział? Wybory prezydenckie w 2016 r

Również częściowo związany z tym, co to jest język?

C, 297 bajtów, dopasowanie 43.194351% (v2)

To pierwsze wyzwanie, w którym nie brałem udziału w golfie. Zaskakujące jest to, że języki gry w golfa są dość łatwe do rozdzielenia, z dokładnością około 60% dla każdego języka.

Kod wymaga wprowadzenia jako ciągu UTF-8, wyniki oparte na wersji 2 dostarczonego zestawu danych. Ten kod nie wymaga <LF>zastąpienia rzeczywistymi znakami nowej linii.

#define S(x)!!strstr(p,#x)
f(char*p){return S(#d)?:S(voi)?0:S(mai)|S(utc)?:S(mbd)|S(impor)|S(input)|S(def)|S(rang)?2:S(log)|S(fun)|S(=>)|S(lert)?3:S(<?)?4:S(echo)|S(sed)?5:S(+++)?6:S(<-)?7:S($_)|S(say)?8:S(\342)|S(\303)?9:S(->)|S(map)?10:S(@#)|S(]])|S([#)?11:S(V)|S(Q)?12:S(Z)|S(Y)?13:S(.)?14:15;}

Tabela mapowania:

 0. java
 1. c
 2. python
 3. javascript
 4. php
 5. bash
 6. brainf*
 7. haskell
 8. perl
 9. apl
10. ruby
11. wolfram
12. pyth
13. matl
14. golfscript
15. cjam

Procent oparty jest na moich trafieniach / obliczeniach ogółem: 3916 trafień / 9066 łącznie.

Python 3, 271 278 bajtów, dopasowane 25,049636% (wersja 2, niezweryfikowana)

def f(c):
 try:compile(c,'','exec');return 5
 except:
  for j in range(9):
   if any(l in c for l in [['echo'],['require'],['Main','string'],['document','alert','var ','function'],['String'],['def ','lambda','print '],['main','int','char'],['+++','<<<'],[]][j]):break
 return j

mapa:

0 = bash
1 = ruby
2 = c#
3 = javascript
4 = java
5 = python
6 = c
7 = brainf*
8 = cjam

znacznie lepiej grał w golfa (prawdopodobnie nadal nie jest świetny), w końcu przekroczył barierę 25%! Dane wejściowe zostały <LF>zastąpione przez newline ( \n)