第一次个人编程作业

这个作业属于哪个课程	软件工程2024-双学位 (广东工业大学)
这个作业的要求在哪里	个人项目作业-论文查重
这个作业的目标	1.在gitcode的仓库中创建一个以学号为名的的文件夹 2.先在PSP表格中记录我估计在程序开发各个步骤上耗费的时间，在实现程序后记录下实际花费的时间 3.用程序语言来编写论文查重程序 4.使用Code Quality Analysis工具分析代码 5.使用Studio Profiling Tools来找出代码中的性能瓶颈并进行改进 6.使用gitcode来管理源代码和测试用例 7.使用单元测试对项目进行测试
参考文献	无

1.设计过程

我的gitcode链接：cbl的仓库

1.1 PSP表格

PSP2.1	Personal Software Process Stages	预估耗时(分钟)	实际耗时(分钟)
Planning	计划	20	30
Estimate	估计这个任务需要多少时间	10	10
Development	开发	60	180
Analysis	需求分析(包括学习新技术)	360	180
Design Spec	生成设计文档	20	20
Design Review	设计复审	30	30
Coding Standard	代码规范(为目前的开发制定合适的规范)	10	10
Design	具体设计	30	60
Coding	具体编码	30	30
Code Review	代码复审	30	10
Test	测试(自我测试，修改代码，提交修改)	30	60
Reporting	报告	25	10
Test Repor	测试报告	25	30
Size Measurement	计算工作量	25	25
Postmortem & Process Improvement Plan	事后总结，并提出过程改进计划	25	50
	合计	730	725

1.2 设计与实现过程

我打算使用python语言来进行编程，通过查询资料与新技术的学习，下载jieba包，并导入其中的analyse包，通过关键词提取来做论文查重程序。
import jieba.analyse
先设计一个获取关键词的方法get_keywords_from_file(fname)，

def get_keywords_from_file(fname):
    with open(fname,'r',encoding='utf-8') as file:
        content = file.read()
       return jieba.analyse.extract_tags(content,关键词个数)

然后再设计关键的一步，通过比较原文的关键词和其他论文的关键词，来计算查重率。而计算查重率就用两篇论文的关键词的交集除并集*100即可获得查重率

def compute_sim(wordsA,wordsB):
    jiaoji = set(wordsA).intersection(set(wordsB))
    bingji = set(wordsA).union(set(wordsB))
  return round(len(jiaoji)*100/len(bingji),2)

根据需求，需要输入原文文件的路径和抄袭版论文的文件路径，并要向指定的文件输出文件，因此我还需要导入包
import pathlib
from pathlib import Path
通过input()先让使用者输入文件路径，然后通过Path将字符串转为文件路径，再传入到获取关键词的函数中，最后再结尾使用with open打开result文件，并追加新的文件查重结果。