La metodología de predicción de defectos de software (SDP) podría mejorar la fiabilidad del software al predecir cualquier defecto sospechoso en su código fuente. Sin embargo, desarrollar modelos de predicción de defectos es una tarea difícil, como se ha demostrado recientemente. Se han propuesto varias técnicas de investigación a lo largo del tiempo para predecir defectos en el código fuente. Sin embargo, la mayoría de los estudios anteriores se centran en la extracción y modelado de características convencionales. Tales metodologías tradicionales a menudo no logran encontrar la información contextual de los archivos de código fuente, que es necesaria para construir modelos de predicción de aprendizaje profundo confiables. Alternativamente, las estrategias de características semánticas de predicción de defectos han evolucionado y desarrollado recientemente. Estas estrategias podrían extraer automáticamente la información contextual de los archivos de código fuente y usarla para predecir directamente los defectos sospechosos. En este estudio, se realiza una encuesta exhaustiva para mostrar sistemáticamente las técnicas recientes de predicción de defectos de software basadas en las características clave del código fuente. Los estudios más recientes sobre este tema son revisados críticamente mediante el análisis de los métodos de características semánticas basados en los códigos fuente, se describen los problemas críticos y desafíos del dominio, y se discuten los progresos recientes y actuales en este ámbito. Una encuesta exhaustiva como esta podría permitir a las comunidades de investigación identificar los desafíos actuales y las futuras direcciones de investigación. Se realizó una revisión exhaustiva de la literatura de 283 artículos sobre predicción de defectos de software y trabajos relacionados, de los cuales se referencian 90.