Буквально недавно я прикрутил к одному Java проекту PMD-плагин для поиска копи-пасты в коде.
Проект велик. И копи-пасты дохренища. Особенно в части GWT-интерфейсов где код клепался клонированием
чего-то уже работающего.

Как он работает внутри (внутре) я не знаю. Но есть несколько ключевых слов (выделил цветом) по алгоритму которые
возможно натолкнут автора на мысли.

Finding duplicate codeDuplicate code can be hard to find, especially in a large project. But PMD's Copy/Paste Detector (CPD) can find it for you! CPD has been through three major incarnations:

First we wrote it using a variant of Michael Wise's Greedy String Tiling algorithm (our variant is described here)
Then it was completely rewritten by Brian Ewins using the Burrows-Wheeler transform
Finally, it was rewritten by Steve Hawkins to use the Karp-Rabin string matching algorithm.

Со ссылкой на http://pmd.sourceforge.net/pmd-4.3.0/cpd.html