Github链接: https://github.com/Qiteng925/Qiteng925

运行环境：MAC OS操作系统 IntelliJ IDEA 2022

1.PSP表格

2. 模块接口设计

2.1 流程图

2.2 算法实现

利用SimHash和海明距离，通过具体分析与实现，使用海明距离来衡量文本内容的相似度。

算法关键

1. 分词：使用糊涂工具包中的TokenizerEngine进行分词处理，并通过hankc作为分词工具，遍历词汇和词频的结果树，计算余弦相似度。

2. 计算文本相似度：采用如下的向量余弦计算模型来衡量文本相似度。

参考资料：SimHash原理

2.3 类


2.4 函数

函数之间的关系

getSimHash() 函数内部调用了 getHash() 函数，而 getHammingDistance() 的输入则是 getSimHash() 的输出结果。

关键函数流程图（SimHashUtil函数）

3. 代码性能分析图

通过观察性能分析图，我对代码进行了微调，从而实现了程序的优化。

4. 单元测试展示

4.1 测试代码

工具类

public class FileUtilTest {
    @Test
    public void test01(){
        try {
            FileUtil.readFile("/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/aaa.txt");
        } catch (IOException e) {
            System.out.println("文件不存在");
        }catch (FileIsNotTxtException e){
            System.out.println("文件格式不对");
        }
    }

    @Test
    public void test02(){
        try {
            FileUtil.readFile("/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/orig.doc");
        } catch (IOException e) {
            System.out.println("文件不存在");
        }catch (FileIsNotTxtException e){
            System.out.println("文件格式错误");
        }
    }

}

核心类

public class MainTest {
    @Test
    public void mainTest() {
        String[] s = new String[3];

        s[0] = "/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/orig.txt";
        s[1] = "/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/orig_0.8_add.txt";
        s[2] = "/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/ans.txt";
        String simHash0;
        String simHash1;
        String str0;
        String str1;
        //if (args.length < 3) return;
        try {
            str0 = FileUtil.readFile(s[0]);
            str1 = FileUtil.readFile(s[1]);
        } catch (IOException e) {
            System.out.println("找不到指定文件");
            return;
        } catch (FileIsNotTxtException e) {
            System.out.println("文件格式错误");
            return;
        }

        simHash0 = SimHashUtil.getSimHash(str0);
        simHash1 = SimHashUtil.getSimHash(str1);

        double similarity = SimHashUtil.getSimilarity(simHash0, simHash1);
        System.out.print("相似度: ");
        System.out.println(similarity);
        try {
            FileUtil.writeFile(s[2], String.valueOf(similarity));
            System.out.println("结果写入文件 "+s[2]+" 完成");
        } catch (IOException e) {
        }
        System.out.println("计算结束，程序自动退出");
    }
}

4.2 测试结果

文件工具类测试

查重测试

ans.txt

4.3 测试覆盖率

5.异常处理

文件不存在异常设计

class FileIsNotTxtException extends Exception {
    public FileIsNotTxtException() {
        super();
    }
}

异常处理示例

文件不存在

@Test
public void test01(){
    try {
        FileUtil.readFile("/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/aaa.txt");
    } catch (IOException e) {
        System.out.println("文件不存在");
    }catch (FileIsNotTxtException e){
        System.out.println("文件格式不对");
    }
}

文件格式异常

@Test
public void test02(){
    try {
        FileUtil.readFile("/Users/yiyan/Desktop/3122004761.txt/src/main/java/com/example/papercheck/测试文本/orig.doc");
    } catch (IOException e) {
        System.out.println("文件不存在");
    }catch (FileIsNotTxtException e){
        System.out.println("文件格式错误");
    }
}

6. 作业总结

通过查阅资料，我学会了如何使用 GitHub，并掌握了软件项目的基本流程。借助 PSP 表格，我对时间的分配有了更清晰的认识。此外，我还学习了如何使用 Jprofiler 进行性能测试，以及掌握了 Maven 作为项目管理工具的使用。希望在接下来的课程学习中，能够进一步深入理解软件工程的相关知识。