现有的代码补全方法依赖于抽象语法树(Abstract Syntax Tree, AST),不能完全捕获源代码上下文的语法结构信息和语义信息,导致代码补全的准确率较低.文章提出一种基于指针网络的双输入代码补全方法(DualInput Code Completion Based on Pointer Network, DIBPN).DIBPN将源代码的AST序列和Token(标识符)序列共同作为模型输入,再通过指针混合网络预测下一个Token,同时采用深度学习对特征信息进行提取和表征,最后,对DIBPN模型进行试验验证.结果表明:与3种基准模型相比,DIBPN具有更优的试验结果.因此,DIBPN能提高代码补全的准确率,进而提高软件开发的效率.