第一次个人编程作业

论文查重

这个作业的课程在哪里	计科国际班
这个作业要求在哪里	作业要求
这个作业的目标	完成论文查重算法

1.GitHub地址

2.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 |30 |
|Estimate |估计这个任务需要多少时间 |10 |10 |
|Development |开发 |420 |300 |
|Analysis |需求分析 (包括学习新技术) |240 |900 |
|Design Spec |生成设计文档 |60 |180 |
|Design Review |设计复审 |30 |60 |
|Coding Standard |代码规范(为目前的开发制定合适的规范)|30 |60 |
|Design |具体设计 |420 |300 |
|Coding |具体编码 |300 |300 |
|Code Review |代码复审 |60 |120 |
|Test |测试（自我测试，修改代码，提交修改）|60 |180 |
|Reporting |报告 |30 |180 |
|Postmortem & Process Improvement Plan |事后总结, 并提出过程改进计划 |30 |30 |
| |合计 |1700 |2470

3.计算模块接口的设计与实现过程

在程序中我就设计了一个函数。输入两个文件，首先判断两个文件是否存在，是否为空。若不存在或为空则相应输出信息并退出。然后创建一个空的字典和一个包含停用词的列表，编译中文正则表达式。读取第一个文件用jieba全模式分词构成一个列表。遍历循环该列表，将不在停用词列表中的中文字词作为键，值是只有两个初始元素为0的列表。如果该字词第一次出现，则这个键对应的值的第一个元素为1，如果不是第一次出现，这个列表值的第一个元素加1。最后关闭文件。对文件二进行类似操作。通过余弦算法计算相似率，结果放在result文件中。

4.计算模块接口部分的性能改进

相对于命令行输入文件路径所用的时间，函数执行的时间很少。如果不要求命令行输入文件的话，可以将多个测试文本的路径构成列表，每次引用函数选取列表中的两个元素。可以省去命令行输入文件路径的时间。

5.计算模块部分单元测试展示

测试代码：

测试了（1）正常输入两个文件（2）文件一不存在（3）文件一为空（4）文件二不存在（5）文件二为空 一共五种情况。
在test文件夹中加入empty.txt空文件。result文件存放输出结果。

进行测试

main.py的测试覆盖率为100%

对测试文本进行测试

6.计算模块部分异常处理说明

测试了（1）文件一不存在（2）文件一为空（3）文件二不存在（4）文件二为空 一共四种异常情况。