GitHub地址

GitHub

这个作业属于哪个课程 <软件工程>
这个作业要求在哪里 个人项目作业
这个作业的目标 <论文查重实现>

实现代码

public class Simicalcu_2{
    public static void main(String[] args) throws IOException{
    	String str1="";
        File file1=new File(args[0]);
        FileInputStream in1= null;
        in1 = new FileInputStream(file1);
        // size  为字串的长度 ，这里一次性读完
        int size1=in1.available();
        byte[] buffer1=new byte[size1];
        in1.read(buffer1);
        in1.close();
        str1=new String(buffer1,"utf8");
        String str2="";
        File file2=new File(args[1]);
        FileInputStream in2=new FileInputStream(file2);
        // size  为字串的长度 ，这里一次性读完
        int size2=in2.available();
        byte[] buffer2=new byte[size2];
        in2.read(buffer2);
        in2.close();
        str2=new String(buffer2,"utf8");
        DecimalFormat df= new DecimalFormat("######0.00");
        String result = df.format(Computeclass.SimilarDegree(str1, str2));
        System.out.print("重复率:"+result);        
        String str3 = args[2];
        FileOutputStream  ou = new FileOutputStream(str3);        
        ou.write(result.getBytes());
        ou.close();       
    }
}

public class Computeclass {
    /*
     * 计算相似度
     * */
    public static double SimilarDegree(String strA, String strB){
        String newStrA = removeSign(strA);
        String newStrB = removeSign(strB);
        //用较大的字符串长度作为分母，相似子串作为分子计算出字串相似度
        int temp = Math.max(newStrA.length(), newStrB.length());
        int temp2 = longestCommonSubstring(newStrA, newStrB);
        return temp2 * 1.0 / temp;
    }
    /*
     * 将字符串的所有数据依次写成一行
     * */
    public static String removeSign(String str) {
        StringBuffer sb = new StringBuffer();
        //遍历字符串str,如果是汉字数字或字母，则追加到ab上面
        for (char item : str.toCharArray())
            if (charReg(item)){
                sb.append(item);
            }
        return sb.toString();
    }
    /*
     * 判断字符是否为汉字，数字和字母，
     * 因为对符号进行相似度比较没有实际意义，故符号不加入考虑范围。
     * */
    public static boolean charReg(char charValue) {
        return (charValue >= 0x4E00 && charValue <= 0X9FA5) || (charValue >= 'a' && charValue <= 'z')
                || (charValue >= 'A' && charValue <= 'Z')  || (charValue >= '0' && charValue <= '9');
    }
    /*
     * 求公共子串，采用动态规划算法。
     * 其不要求所求得的字符在所给的字符串中是连续的。
     *
     * */
    public static int longestCommonSubstring(String str1, String str2) {
        char[] chars_strA = strA.toCharArray();
        char[] chars_strB = strB.toCharArray(); 
        int m = chars_strA.length;   
        int n = chars_strB.length;         
        /*
         * 初始化矩阵数据,matrix[0][0]的值为0，
         * 如果字符数组chars_strA和chars_strB的对应位相同，则matrix[i][j]的值为左上角的值加1，
         * 否则，matrix[i][j]的值等于左上方最近两个位置的较大值，
         * 矩阵中其余各点的值为0.
        */
        int[][] matrix = new int[m + 1][n + 1];   
        for (int i = 1; i <= m; i++) {  
            for (int j = 1; j <= n; j++) {    
                if (chars_strA[i - 1] == chars_strB[j - 1])   
                    matrix[i][j] = matrix[i - 1][j - 1] + 1;    
                else   
                    matrix[i][j] = Math.max(matrix[i][j - 1], matrix[i - 1][j]);   
            }   
        }
        /*
         * 矩阵中，如果matrix[m][n]的值不等于matrix[m-1][n]的值也不等于matrix[m][n-1]的值，
         * 则matrix[m][n]对应的字符为相似字符元，并将其存入result数组中。
         * 
         */
        char[] result = new char[matrix[m][n]];    
        int currentIndex = result.length - 1;   
        while (matrix[m][n] != 0) {   
            if (matrix[n] == matrix[n - 1])  
                n--;   
            else if (matrix[m][n] == matrix[m - 1][n])    
                m--;   
            else {   
                result[currentIndex] = chars_strA[m - 1];   
                currentIndex--;  
                n--;   
                m--;  
            }  
        }    
       return new String(result);  
    }
}

实验结果


PSP表格记录

PSP2.1 Personal Software Process Stages 预估耗时（分钟） 实际耗时（分钟）
Planning 计划 120 150
· Estimate · 估计这个任务需要多少时间 120 150
Development 开发 480 600
· Analysis · 需求分析 (包括学习新技术) 120 180
· Design Spec · 生成设计文档 30 60
· 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) 20 30
· Design · 具体设计 20 30
· Coding · 具体编码 600 700
· Code Review · 代码复审 120 180
· Test · 测试（自我测试，修改代码，提交修改） 30 60
Reporting 报告 60 120
· Test Repor · 测试报告 20 10
· Size Measurement · 计算工作量 30 50
· Postmortem & Process Improvement Plan · 事后总结, 并提出过程改进计划 30 50
· 合计 1830 2430