这个作业的GitHub地址：作业地址

计算机接口的设计与实现过程

使用python标准库difflib中的类difflib.SequenceMatcher计算相似度，输出格式化的相似度百分比。本程序主要分为四个模块，分别是文件读取模块，文件转换模块，文件分析模块，以及控制各个模块的主函数。

文件读取模块

def read_file(path):
	# 读取文件
	try:
		with open(path, 'r', encoding='utf-8') as file:
			return file.read()
	except FileNotFoundError:
		print(f'文件不存在：{path}')
	except Exception as e:
		print(f'读取文件时发生错误：{e}')
	return None

文件转换模块

def lowercase(text):
	# 去除文本当中的标点符号并将文本小写
	try:
		text = text.translate(str.maketrans('', '', string.punctuation)).lower().replace(' ', '')
		return text
	except Exception as e:
		print(f'处理文本时发生错误：{e}')
		return None

文件重复率计算模块

def calculate_similarity(original_text, copied_text):
	# 计算两个文本的相似度
	matcher = difflib.SequenceMatcher(None, original_text, copied_text)
	matching_blocks = matcher.get_matching_blocks()
	matching_amount = sum(block.size for block in matching_blocks)
	if max(len(original_text), len(copied_text)) != 0:
		copy_percentage = matching_amount / max(len(original_text), len(copied_text))
		return copy_percentage

	return -1

主函数模块

def main():
	# 主函数。处理命令行输入，读取文件，计算相似度，并输出结果。
	# 检查命令行参数
	if len(sys.argv) != 4:
		print("用法：python main.py 原文文件路径 抄袭文件路径 输出文件路径")
		sys.exit(1)
	# 获取文件路径
	original_path, copied_path, output_path = sys.argv[1:]
	# 读取文件内容
	original_text = read_file(original_path)
	copied_text = read_file(copied_path)
	# 文本预处理
	original_text = lowercase(original_text)
	copied_text = lowercase(copied_text)
	# 计算查重率
	similarity_percentage = calculate_similarity(original_text, copied_text)
	if similarity_percentage == -1:  # 异常标识-1
		with open(output_path, 'a', encoding="utf_8") as output_file:
			output_file.write("ERROR")
		return
	# 写入输出文件
	with open(output_path, 'w', encoding="utf_8") as output_file:
		output_file.write(f"{similarity_percentage:.2%}")


if __name__ == "__main__":
	main()

计算模块接口部分的性能改进

使用Pycharm中的性能分析软件profiler可以得到性能分析图和各模块所消耗的时间

性能分析图

函数消耗时间展示

可以看到消耗时间最大的是主函数，其调用其他模块所花费时间较多，其次就是文件的查找和读写模块。

计算模块部分单元测试展示

测试模块部分代码

	def test_read_file(self):
		# 测试文件的读写功能
		temp_file = 'temp_test_file.txt'
		with open(temp_file, 'w', encoding='utf-8') as file:
			file.write('testfile.')
		self.assertEqual(read_file(temp_file), 'testfile.')
		os.remove(temp_file)

	def test_none_file(self):
		self.assertEqual(read_file('invalid_file.txt'), FileNotFoundError)

	def test_translate(self):
		# 测试文件的预处理模块
		text = "testfile."
		preprocessed_text = lowercase(text)
		self.assertEqual(preprocessed_text, "testfile")

	def test_same(self):
		# 测试相同文本的相似度
		original_text = "Hello, world!"
		copied_text = "Hello, world!"
		self.assertEqual(calculate_similarity(lowercase(original_text), lowercase(copied_text)), 1)

测试模块主要十个部分，分别是测试文件的读写功能，测试文件的预处理模块，测试相同文本的相似度，测试文本只有一半的情况等等，首先定义了一个测试用例类TestPlagiarismDetection用来测试main函数中的三个函数，read_file,lowercase,calculate_similarity。
测试思路：本次测试模块的设计用到了python标准库中的unitest测试模块进行测试，如在测试文件的读写功能中，创建一个临时文件 temp_test_file.txt，写入内容 'testfile.'，然后使用 read_file 函数读取这个文件的内容。测试目的是验证 read_file 能正确读取文件内容。读取后，文件被删除。在test_none_file模块中，尝试使用 read_file 读取一个不存在的文件名 'invalid_file.txt'。期望返回值是 FileNotFoundError。

单元测试得到的测试覆盖率：

计算模块部分异常处理说明

使用Python标准库中的difflib.SequenceMatcher来计算两个文本字符串之间的相似度，其中matching_blocks = matcher.get_matching_blocks()用来获取匹配的块，matching_amount = sum(block.size for block in matching_blocks)计算匹配量，然后检查两个对比的test中的字符量是否都不为零，避免程序错误。

测试查重情况：