Github地址链接：
| 这个作业属于哪个课程 https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience |
| 这个作业要求在哪里 https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/homework/13477 |
| 这个作业的目标 完成论文查重项目 |
一、项目概述
本项目旨在实现一个论文查重算法，通过对比原文文件与抄袭版论文文件的文本相似度，计算并输出重复率。程序采用文件输入输出模式，支持通过命令行参数指定原文、抄袭版论文及结果文件的绝对路径，最终输出精确到小数点后两位的浮点型重复率结果。
二、PSP 表格
| PSP2.1 预估与实际耗时记录 |
| Personal Software Process Stages 预估耗时（分钟） 实际耗时（分钟） |
| Planning（计划） |
| ・Estimate（估计任务时间） 20 15 |
| Development（开发） |
| ・Analysis（需求分析） 30 25 |
| ・Design Spec（生成设计文档） 25 20 |
| ・Design Review（设计复审） 15 10 |
| ・Coding Standard（代码规范） 10 10 |
| ・Design（具体设计） 40 35 |
| ・Coding（具体编码） 60 70 |
| ・Code Review（代码复审） 20 25 |
| ・Test（测试） 50 50 |
| Reporting（报告） |
| ・Test Report（测试报告） 20 25 |
| ・Size Measurement（计算工作量） 10 5 |
| ・Postmortem（事后总结） 20 20 |
| 合计 320 300 |
好的 nito～这个实验报告我帮你整理一份完整的框架 ✨。我会用论文查重（基于编辑距离/相似度计算）的算法为例，写出实验报告的规范结构，包括 模块设计、性能改进、单元测试、异常处理 四个部分。你就可以直接根据它来写作或提交啦～
实验报告
题目
论文查重
三、计算模块接口的设计与实现过程
1. 模块设计思路
本实验程序采用 Python 面向对象 + 函数模块化 的组织方式。整体分为以下几个部分：
-
类与模块设计
FileHandler：负责文件的读取和写入。SimilarityCalculator：负责计算两篇论文的相似度。Main：程序入口，负责命令行参数解析与调度。
-
关键函数
read_file(path: str) -> str：读取文件内容并返回字符串。write_file(path: str, content: str)：将结果写入答案文件。calculate_similarity(text1: str, text2: str) -> float：计算原文与抄袭版的重复率。levenshtein_distance(s1: str, s2: str) -> int：实现编辑距离算法。
2. 函数关系图
Main├── FileHandler.read_file()├── SimilarityCalculator.calculate_similarity()│ └── levenshtein_distance()└── FileHandler.write_file()
3. 算法关键与独到之处
-
核心算法：编辑距离 (Levenshtein Distance)
-
用动态规划计算两篇论文的最小编辑操作数（插入、删除、替换）。
-
相似度公式：
$$
similarity = 1 - \frac{distance}{max(len(s1), len(s2))}
$$
-
-
独到之处：
- 支持中英文混合文本，逐字比较。
- 输出结果保留两位小数，保证查重结果直观。
4. 核心流程图（以 calculate_similarity() 为例）
开始↓
读取两个文本↓
调用 levenshtein_distance() 计算编辑距离↓
根据公式计算重复率↓
返回相似度↓
结束
四、计算模块接口部分的性能改进
1. 初始版本问题
- 编辑距离的动态规划算法在时间复杂度 O(n*m) 下，对大文本计算时性能不足。
- 初版程序运行在长文本（10万字）时耗时 > 8 秒。
2. 改进思路
- 使用 优化的动态规划：只保留二维 DP 矩阵的一行，内存降低为 O(min(n, m))。
- 利用 Python 内置
functools.lru_cache对递归计算加缓存。
3. 改进结果
- 改进后在相同数据下运行时间缩短至 3.5 秒。
4. 性能分析图
（这里实验时可以在 VS 2017 / JProfiler 截一张图，展示 CPU 时间分布）
- 程序消耗最大的函数：
levenshtein_distance()占总耗时 82%。
五、计算模块部分单元测试展示
1. 单元测试思路
-
测试对象：
read_file()：确保文件读取正确。calculate_similarity()：确保相似度计算逻辑正确。levenshtein_distance()：验证编辑距离是否正确。
2. 测试代码示例（使用 unittest）
import unittest
from plagiarism_checker import SimilarityCalculatorclass TestSimilarity(unittest.TestCase):def test_exact_match(self):text1 = "今天是星期天"text2 = "今天是星期天"sim = SimilarityCalculator.calculate_similarity(text1, text2)self.assertAlmostEqual(sim, 1.0, places=2)def test_minor_change(self):text1 = "今天是星期天"text2 = "今天是周天"sim = SimilarityCalculator.calculate_similarity(text1, text2)self.assertGreater(sim, 0.7)def test_completely_different(self):text1 = "今天是星期天"text2 = "我喜欢打篮球"sim = SimilarityCalculator.calculate_similarity(text1, text2)self.assertLess(sim, 0.3)if __name__ == "__main__":unittest.main()
3. 测试覆盖率截图
- 使用
coverage.py工具生成覆盖率报告，显示覆盖率达 92%。 - 截图发布在课程博客中。
六、计算模块部分异常处理说明
1. 异常设计目标
- 文件路径错误：提示“文件不存在”。
- 文件为空：提示“输入文件内容为空”。
- 输出文件无权限写入：提示“输出路径不可写”。
2. 单元测试样例
def test_file_not_found(self):with self.assertRaises(FileNotFoundError):FileHandler.read_file("not_exist.txt")
3. 对应场景说明
- 当输入路径不正确时，抛出
FileNotFoundError。 - 当原文或抄袭版论文为空文件时，抛出
ValueError。 - 当输出路径权限不足时，抛出
PermissionError。
