本公开的实施例涉及一种代码补全方法，包括：从真实代码仓库获取真实项目并且基于真实项目的项目源码进行数据集分类，同时通过选择工作中使用的真实项目集合构建代码补全数据集；构建基于语义的代码补全模型，其包括搭建带有注意力机制的序列到序列神经网络，通过BPE分词算法进行源代码分词，通过双向长短时记忆神经网络进行上下文依赖学习，利用注意力机制进行文本权重的学习，并且根据不同预测场景进行基于序列到序列的神经网络模型用于多任务的适配；构建基于语法的代码补全模型；以及重排序预测结果得到目标预测文本和排列顺序。通过上述布置，使得基于神经网络的技术中的低频词被更加有效地预测，并且使得神经网络预测的结果更加符合语法。