作业二

这个作业属于哪个课程	软件工程2024（广东工业大学）
这个作业要求在哪里	个人项目
这个作业的目标

GitHub

GitHub链接

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	10	10
·Estimate	· 估计这个任务需要多少时间	10	10
Development	开发	220	150
·Analysis	· 需求分析 (包括学习新技术)	20	60
·Design Spec	· 生成设计文档	60	40
·Design Review	· 设计复审	20	5
·Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	5
·Design	· 具体设计	30	10
·Coding	· 具体编码	60	20
·Code Review	· 代码复审	10	5
·Test	· 测试（自我测试，修改代码，提交修改）	10	5
Reporting	报告	80	70
·Test Repor	· 测试报告	40	30
·Size Measurement	· 计算工作量	20	25
·Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	15
	合计	310	230

模块设计

预处理

用fgetc()读取txt文件中的每一位字符，并且区分是英文字符还是中文字符。如果是英文字符，就将这一位字符以字符串的形式存储到map中，并记录其出现的次数；如果是中文字符，因为一个中文字符需要占两位字符，所以将这一位字符以及下一位字符一起以字符串的形式存储到map中，并记录其出现的次数。由此可以将文本映射为一个n维的向量

计算重复率

利用余弦相似度算法，求得两个文本映射得到的向量间夹角的余弦值，并以此来表示两个文本的重复率。

性能改进

性能分析图

显然，消耗最大的函数是将文本映射为向量的函数，其中主要都消耗在调用map的过程中，暂时不知道优化方法
附：开销最大的函数

异常处理

命令行参数有误

if (argc != 4) puts("Error");
通过这一行代码来判断输入的命令行参数的个数是否符合要求，若是不符合要求则输出Error

目标路径不存在

if (f1 == NULL) puts("Error");
通过这一行代码来判断目标文件是否存在，若是不存在则输出Error

文本长度为0

求余弦相似度时，余弦值由两个向量的数量积除以两个向量的模长获得，当向量模长为0是，会出现分母为0的情况
if (!v1 || !v2) puts("Error");
通过这一行代码来判断文本长度是否为0，其中v1和v2分别表示两个文本映射得到的向量的模长，当出现向量模长为0的情况时输出Error