第一次编程作业

这个作业属于哪个课程	软件工程
这个作业要求在哪里	个人项目作业-论文查重
这个作业的目标	实现论文查重系统
其他参考文献	CSDN

一、作业链接 GitCode

二、psp表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	60
· Estimate	· 估计这个任务需要多少时间	300	500
Development	开发	200	300
· Analysis	· 需求分析 (包括学习新技术)	120	120
· Design Spec	· 生成设计文档	60	60
· Design Review	· 设计复审	60	60
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	10
· Design	· 具体设计	20	40
· Coding	· 具体编码	200	300
· Code Review	· 代码复审	30	40
· Test	· 测试（自我测试，修改代码，提交修改）	60	190
Reporting	报告	120	120
· Test Repor	· 测试报告	60	120
· Size Measurement	· 计算工作量	20	20
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	30
	· 合计	1350	1650

三、函数实现流程图

代码由一个main函数执行，其余函数在同文件类下的四个函数。

四、性能分析

五、改进优化代码

def filter(string):
	pattern = re.compile(u"[^a-zA-Z0-9\u4e00-\u9fa5]")
	string = pattern.sub("", string)
	result = jieba.lcut(string)
return result

再做一次运行时间统计：
总耗时快了0.5s，提升了时间效率

六、单元测试

这里需要用到python的unittest单元测试框架，详见官网介绍
为了方便进行单元测试，源码的main()应该修改一下：

mport jieba
import gensim
import re
#获取指定路径的文件内容
def get_file_contents(path):

		string = ''
	f = open(path, 'r', encoding='UTF-8')
	line = f.readline()
	while line:
	
		string = string + line
		line = f.readline()
		
	f.close()

return string

#将读取到的文件内容先把标点符号、转义符号等特殊符号过滤掉，然后再进行结巴分词

def filter(string):
	pattern = re.compile(u"[^a-zA-Z0-9\u4e00-\u9fa5]")
	string = pattern.sub("", string)
	result = jieba.lcut(string)
return result

#传入过滤之后的数据，通过调用gensim.similarities.Similarity计算余弦相似度

def calc_similarity(text1, text2):

	texts = [text1, text2]
	dictionary = gensim.corpora.Dictionary(texts)
	corpus = [dictionary.doc2bow(text) for text in texts]
	similarity = gensim.similarities.Similarity('-Similarity-index', corpus, num_features=len(dictionary))
	test_corpus_1 = dictionary.doc2bow(text1)
	cosine_sim = similarity[test_corpus_1][1]
	
return cosine_sim

def main_test():

	path1 = input("输入论文原文的文件的绝对路径：")
	path2 = input("输入抄袭版论文的文件的绝对路径：")
	str1 = get_file_contents(path1)
	str2 = get_file_contents(path2)
	text1 = filter(str1)
	text2 = filter(str2)
	similarity = calc_similarity(text1, text2) #生成的similarity变量类型为
	result=round(similarity.item(),2) #借助similarity.item()转化为，然后再取小数点后两位

return result

if __name__ == '__main__':

	main_test()

再新建单元测试文件

import unittest
from main import main_test

class MyTestCase(unittest.TestCase):

def test_something(self):
	self.assertEqual(main_test(),0.99) #首先假设预测的是前面第一组运行的测试数据
if __name__ == '__main__':
	unittest.main()

可以发现预测值为0.99正确：
相似度仍然预测为0.99，但路径更改为之前测试的第二组数据：
可以发现预测失败。

七、异常处理

在读取指定文件路径时，如果文件路径不存在，程序将会出现异常，因此可以在读取指定文件内容之前先判断文件是否存在，若不存在则做出响应并且结束程序。
这里引入os.path.exists()方法用于检验文件是否存在：

def main_test():

	path1 = input("输入论文原文的文件的绝对路径：")
	path2 = input("输入抄袭版论文的文件的绝对路径：")
	
	if not os.path.exists(path1):
	
		print("论文原文文件不存在！")
		exit()
		
	if not os.path.exists(path2):
		print("抄袭版论文文件不存在！")
		exit()