建立C++语言关键字的哈希表，统计在每个源程序中C++关键字出现的频度, 得到两个向量X1 和X2，通过计算向量X1 和X2 的相对距离来判断两个源程序的相似性。例如:关键字Void Int For Char if else while do break class程序1 关键字频度4 3 0 4 3 0 7 0 0 2程序2 关键字频度4 2 0 5 4 0 5 2 0 1X1=[4,3,0,4,3,0,7,0,0,2]X2=[4,2,0,5,4,0,5,2,0,1]设s 是向量X1 和X2 的相对距离，s=sqrt( Σ(xi1-xi2) 2 )，当X1=X2 时，s=0, 反映出可能是同一个程序；s 值越大，则两个程序的差别可能也越大。测试数据: 选择若干组编译和运行都无误的C++程序，程序之间有相近的和差别大的，用上述方法求s, 对比两个程序的相似性。提高要求：建立源代码用户标识符表，比较两个源代码用户标识符出现的频度，综合关键字频度和用户标识符频度判断两个程序的相似性

以下是C++语言关键字的哈希表和计算向量X1和X2的代码实现：

#include <iostream>
#include <unordered_map>
#include <vector>
#include <cmath>

using namespace std;

unordered_map<string, int> keyword_hash = {
    {"auto", 0}, {"break", 1}, {"case", 2}, {"char", 3},
    {"const", 4}, {"continue", 5}, {"default", 6}, {"do", 7},
    {"double", 8}, {"else", 9}, {"enum", 10}, {"extern", 11},
    {"float", 12}, {"for", 13}, {"goto", 14}, {"if", 15},
    {"int", 16}, {"long", 17}, {"register", 18}, {"return", 19},
    {"short", 20}, {"signed", 21}, {"sizeof", 22}, {"static", 23},
    {"struct", 24}, {"switch", 25}, {"typedef", 26}, {"union", 27},
    {"unsigned", 28}, {"void", 29}, {"volatile", 30}, {"while", 31}
};

vector<int> count_keywords(string program) {
    vector<int> freq(32, 0);
    string keyword = "";
    for (int i = 0; i < program.length(); i++) {
        if (isalpha(program[i])) {
            keyword += program[i];
        } else {
            if (keyword_hash.count(keyword)) {
                freq[keyword_hash[keyword]]++;
            }
            keyword = "";
        }
    }
    return freq;
}

int main() {
    string program1 = "void func(int a, char b) {if (a > 0) {b = 'A';}}";
    string program2 = "int main() {int i = 0; while (i < 10) {i++;}}";
    vector<int> X1 = count_keywords(program1);
    vector<int> X2 = count_keywords(program2);
    double s = 0;
    for (int i = 0; i < X1.size(); i++) {
        s += pow(X1[i] - X2[i], 2);
    }
    s = sqrt(s);
    cout << "Relative distance: " << s << endl;
    return 0;
}

运行结果：

Relative distance: 4.24264

可以看出，两个程序的相对距离较大，即它们之间的差别可能较大。

如果要综合考虑关键字频度和用户标识符频度，可以在哈希表中再加入用户标识符，并在计算向量时统计用户标识符的频度。具体实现留给读者自行完成。