第一次个人编程作业

这个作业属于哪个课程	https://bbs.csdn.net/forums/qq_40085543
这个作业要求	https://bbs.csdn.net/topics/613858565
这个作业的目标	1.学习PSP表格的制作 2.编码完成论文查重算法的需求 3.学习对工程文件的性能分析、内存分析、单元测试
参考	jieba分词-强大的Python 中文分词库 - 知乎 TF-IDF与余弦相似性的应用（二）：找出相似文章 - 阮一峰的网络日志 Python+gensim-文本相似度分析（小白进）_小基基o_O的博客-CSDN博客
仓库	楓124 / 3121005274 · GitCode

目录

PSP表格

设计与实现过程

模块接口部分的性能改进

 模块部分异常处理说明

 模块部分单元测试展示

代码覆盖率

---

PSP表格

Personal Software Process Stages	预计耗时（分钟）	实际耗时（分钟）
计划	60	60
估计这个任务需要多少时间	60	30
开发	1200	600
需求分析 (包括学习新技术)	300	100
生成设计文档	60	60
设计复审	40	40
代码规范 (为目前的开发制定合适的规范)	40	40
具体设计	60	40
具体编码	300	400
代码复审	40	20
测试（自我测试，修改代码，提交修改）	100	100
报告	30	30
计算工作量	30	10
事后总结, 并提出过程改进计划	40	40
合计	2360	1570

设计与实现过程

jieba接口，re库的正则表达式

# 获取原文件的内容并转为字符串  def get_content(path):

逐行读取原文件的内容并转化成字符串
# 将读取的文件先进行jieba分词，再将标点符号等特殊字符过滤  def filter(str):

通过正则表达式获得文字，减少了处理特殊字符等不必要的麻烦
# 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):

模块接口部分的性能改进

通过python自带的函数进行性能分析，消耗最大的为：def calc_similarity(text1,text2)模块

 

 模块部分异常处理说明

针对路径输入错误，不存在的情况强行终止程序

 模块部分单元测试展示

 这里需要用到python的unittest单元测试框架

新建单元测试文件unit_test.py：

代码覆盖率