软件工程第二次作业

这个作业属于哪个课程	班级的链接
这个作业要求在哪里	作业的链接
这个作业的目标	<学会PSP表格，分析算法，和测试相关技能>

一、作业github链接

作业github的链接

二、PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	50	60
· Estimate	· 估计这个任务需要多少时间	180	195
Development	开发	180	190
· Analysis	· 需求分析 (包括学习新技术)	40	45
· Design Spec	· 生成设计文档	45	50
· Design Review	· 设计复审	20	30
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	40	50
· Design	· 具体设计	90	95
· Coding	· 具体编码	200	210
· Code Review	· 代码复审	40	45
· Test	· 测试（自我测试，修改代码，提交修改）	120	140
Reporting	报告	70	80
· Test Repor	· 测试报告	110	115
· Size Measurement	· 计算工作量	40	50
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	15
	· 合计	1245	1370

三、计算模块接口的设计与实现过程。

3.1函数及作用如下表所示

函数	作用
calculateSimilarity	计算相似度
lcsLength	计算两字符串的最长公共子序列长度
roundTwoDecimal	使结果保留两位小数

3.2类与函数之间的关系

3.3算法的关键

1.核心算法

采用最长公共子序列作为核心算法。通过动态规划，找到原文与抄袭版之间的最大公共子序列长度，进而计算相似度。

2.动态规划实现

状态定义：dp[i][j] 表示 orig[0..i-1] 和 plag[0..j-1] 的最长公共子序列长度。
状态转移：若 orig[i-1] == plag[j-1]：dp[i][j] = dp[i-1][j-1] + 1；
否则：dp[i][j] = max(dp[i-1][j], dp[i][j-1])。

3.4算法的独到之处

1.空间优化

传统 DP 需要二维数组 n×m，当文本较长时内存占用很大，而本文采用滚动数组，只保存前一行和当前行，将空间复杂度从 O(n×m) 降低到 O(min(n,m))。

2.异常处理
对 null 输入、空字符串输入做了专门处理，保证不会抛出空指针异常，程序健壮性更高。

3.适配多语言文本
算法基于字符序列，可以同时处理 中文、英文、符号混合文本，不需要额外分词。

3.4运行结果

四计算模块接口部分的性能改进

4.1性能瓶颈分析

通过 JProfiler 对原始代码进行性能分析，发现主要性能瓶颈在lcsLength方法，该方法在处理长字符串时：
1.时间复杂度为 O (n*m)，对于大文本处理效率低下；
2.字符串频繁调用charAt()方法产生额外开销；
3.循环内部的条件判断和数组操作较为密集。

4.2算法优化

1.将字符提取操作移到内层循环外，减少重复调用；
2.将 LCS 算法替换为基于滚动哈希（Rabin-Karp）的子串匹配算法，通过滑动窗口计算公共子串占比，时间复杂度优化至 O (n+m)
3.优化数组复用逻辑，减少对象创建开销。

4.3在改进计算模块性能上所花费的时间

文本长度(字符)	原LCS算法(ms)	优化后算法(ms)
1000	28	5
5000	156	18
10000	621	35
50000	3189	167
100000	12543	326

4.3性能分析

程序中消耗最大的函数为：DupChecker.lcsLength()

五、计算模块部分单元测试展示

5.1项目部分单元测试代码

5.2测试的函数

1.getWordFreq(String text)功能：计算文本中单词的出现频率（忽略大小写）。
测试点：验证词频统计的准确性，包括单词计数和非空判断。

2.calculateSimilarity(String text1, String text2)功能：计算两个文本的相似度（返回值范围 0~1）。
测试点：相同文本的相似度为 1.0；
完全不同文本的相似度较低（<0.5）；
部分重叠文本的相似度在中间范围（0.3~1.0）；
空文本与非空文本的相似度为 0。

5.2测试覆盖图

六、计算模块部分异常处理说明

1. 空文本异常
   设计目标：当输入文本为null时，明确抛出异常以避免空指针错误，同时提供清晰的错误信息指导调用者检查输入参数。
   在文本处理流程中，null值是常见的输入错误。此异常确保所有文本处理方法在执行核心逻辑前进行空值校验，从源头阻断无效输入。
   单元测试样例：

@Test
void testCalculateSimilarityWithNullText() {
String text1 = null;
String text2 = "正常文本内容";
assertThrows(NullTextException.class, () -> {
dupChecker.calculateSimilarity(text1, text2);
}, "当输入文本为null时应抛出NullTextException");
}

错误场景：调用方误将未初始化的字符串引用传入相似度计算方法，如文件读取失败返回null时未做处理。

2.空词频异常
设计目标：当文本预处理后未提取到任何有效词汇（词频 Map 为空）时抛出，用于区分 "空文本" 和 "无效文本"（如全特殊符号文本）。
有些文本虽然非空，但经过清洗后不含任何有意义的词汇（如 "!!!@@@###"），这种情况需要与空文本区分处理。
单元测试样例：

@Test
void testGetWordFreqWithInvalidText() {
String text = "!!!@@@###$$$"; // 仅包含特殊符号的无效文本
assertThrows(EmptyFrequencyException.class, () -> {
dupChecker.getWordFreq(text);
}, "处理纯特殊符号文本时应抛出EmptyFrequencyException");
}

错误场景：输入文本仅包含标点符号、空格或其他非词汇字符，导致词频统计结果为空。