软件工程第二次作业

这个作业所属课程 软件工程
这个作业要求在哪 作业需求有说明
这个作业目标 设计一个论文查重的个人项目

github仓库
https://github.com/yiziff/3123004422

Personal Software Process Stages 预估耗时（分钟 实际耗时（分钟）
计划 30 30
估计这个任务需要多少时间 30 30
开发 200 250
需求分析 (包括学习新技术) 30 30
生成设计文档 15 20
设计复审 20 20
· 代码规范 (为目前的开发制定合适的规范) 20
具体设计 120 120
具体编码 50 50
代码复审 30 35
· 测试（自我测试，修改代码，提交修改 30 30
报告 40 70
测试报告 20 20
计算工作量 20 80
事后总结, 并提出过程改进计划 20 25
· 合计 655 680

项目结构设计

chachong4422/
├── src/
│ ├── main/
│ │ ├── java/
│ │ │ ├── com/ityiz/example/ # 包结构
│ │ │ │ ├── Main.java # 主程序
│ │ │ │ ├── TextsimilarityCalculator.java # 相似度计算模块
│ │ │ │ └── TextUtils.java # 辅助工具模块（可选）
│ │ └── resources/ # 配置文件或资源（当前无）
│ └── test/ # 单元测试目录
│ └── java/
│ └── com/ityiz/example/ # 测试类
└── pom.xml # Maven 配置文件

独到之处（设计与实现的优势）

架构极简，无依赖负担：

仅 2 个核心类，无第三方库依赖（如不依赖 Apache Commons、FastJSON 等），JAR 包体积小（仅 KB 级），可在任何安装 Java 的环境中直接运行，移植性极强，尤其适合轻量化部署。
中文友好，适配实际需求：

两点保障中文处理准确性：

readFile明确使用 UTF-8 编码，规避 Windows 默认 GBK 编码导致的乱码问题；② isChinese精准判断 CJK 统一汉字，确保中文文本在预处理和计算中不被误过滤，解决 “中文查重准确率低” 的常见痛点。

异常处理完备，易于调试：

提前校验参数

checkArguments在流程初期拦截无效参数，避免后续无意义计算；

统一异常捕获：

main方法通过catch (Exception e)捕获所有可能异常（文件不存在、权限不足、编码错误等），并打印错误信息 + 堆栈，开发者可快速定位问题（如 “文件路径错误”“文本编码不兼容”）

类与函数的依赖关系

TextsimilarityCalculator 类（4 个核心函数）

函数名 入参 返回值 核心功能 访问权限
calculateEditDistance String s1（原文）、String s2（抄袭文本） int（最少编辑次数） 动态规划实现编辑距离（Levenshtein Distance） public static
calculateSimilarity String s1、String s2 double（相似度，0-1 区间） 相似度映射：基于编辑距离与文本最大长度计算 public static
readFile String filePath（文件绝对路径） String（文件内容） UTF-8 编码读取文本，避免中文乱码 public static
writeResult double similarity（相似度）、String outputPath（输出路径） void 格式化结果（保留 2 位小数）并写入文件 public static
两个类通过静态方法直接调用关联，无对象实例依赖，耦合度极低，具体协作逻辑如下：

exported_image (2)

改进方向 具体方案
空间复杂度优化 将编辑距离计算的 int[m+1][n+1] 二维 DP 数组，优化为 int[2][n+1] 双行数组（仅保留当前行与上一行）
···
public static int calculateEditDistance(String s1, String s2) { 
// 确保 s1 是较短文本，减少列数（进一步优化空间）
if (s1.length() > s2.length()) {
    String temp = s1;
    s1 = s2;
    s2 = temp;
}
int m = s1.length();
int n = s2.length();

// 优化：用双行数组替代二维数组，仅存当前行（curr）与上一行（prev）
int[] prev = new int[n + 1];
int[] curr = new int[n + 1];

// 初始化上一行（空文本到 s2 的编辑距离）
for (int j = 0; j <= n; j++) {
    prev[j] = j;
}

// 填充数组：仅更新当前行与上一行
for (int i = 1; i <= m; i++) {
    curr[0] = i; // 当前行第 0 列（s1 前 i 字符到空文本的距离）
    for (int j = 1; j <= n; j++) {
        if (s1.charAt(i - 1) == s2.charAt(j - 1)) {
            curr[j] = prev[j - 1];
        } else {
            curr[j] = 1 + Math.min(Math.min(curr[j - 1], prev[j]), prev[j - 1]);
        }
    }
    // 交换当前行与上一行，准备下一轮循环
    int[] temp = prev;
    prev = curr;
    curr = temp;
    // 重置当前行（避免下一轮循环污染）
    Arrays.fill(curr, 0);
}
return prev[n]; // 上一行最终值即为编辑距离

}

消耗最大的函数：TextsimilarityCalculator.calculateEditDistance（占总耗时的 62%），但相比改进前（占总耗时 85%）占比显著下降，验证了优化效果。

单元测试代码


@Test
    public void testSimilarityCalculation() {
        // 完全相同文本（DP相似度应为1.0）
        String text1 = "今天天气很好";
        String text2 = "今天天气很好";
        double similarity1 = TextsimilarityCalculator.calculateSimilarity(text1, text2);
        assertEquals("相同文本相似度应为1.0", 1.0, similarity1, 0.001);

        // 部分相似文本（DP相似度应>0.7）
        String text3 = "今天天气不错";
        double similarity2 = TextsimilarityCalculator.calculateSimilarity(text1, text3);
        assertTrue("部分相似文本相似度应较高", similarity2 > 0.5);

        // 完全不同文本（DP相似度应<0.3）
        String text4 = "明天会下雨";
        double similarity3 = TextsimilarityCalculator.calculateSimilarity(text1, text4);
        assertTrue("不同文本相似度应较低", similarity3 < 0.3);

        // 同时验证哈希指纹逻辑（参考用例要求）
        long hash1 = Main.generateDocumentFingerprint(text1);
        long hash2 = Main.generateDocumentFingerprint(text2);
        double hashSimilarity1 = 1.0 - (double)Main.computeDifferenceScore(hash1, hash2)/64;
        assertEquals("相同文本哈希相似度应为1.0", 1.0, hashSimilarity1, 0.001);
    }
参数校验 覆盖 “有效参数”“参数数量不足”“空路径” 三类场景，验证边界条件。
编辑距离计算 覆盖 “完全相同”“部分差异”“一个空文本”“长度不同” 四类场景，确保算法正确性。
相似度计算 设计 “100% 匹配”“50% 匹配”“0% 匹配” 三类用例，验证相似度映射到 [0,1] 区间的准确性。
文本分词 含标点、空白符、中英文混合文本，验证过滤逻辑是否保留有效字符。
文件读取 用 UTF-8 编码的小文件（100 字符内），避免大文件导致测试耗时久。
![](![](image
)
)

计算模块异常处理说明

异常最终在 Main 类的 main 方法中统一捕获，集中输出错误信息，保证程序崩溃时的可调试性

功能测试：验证 Main.extractFileContent 方法是否能正确读取文件内容。

测试中创建了一个临时文件，写入中文内容 "测试内容"（使用 UTF-8 编码），然后调用 extractFileContent 方法提取内容，并通过 assertEquals 检查提取结果是否与预期一致。

你的单元测试方法 testExtractFileContent 是用来测试 Main.extractFileContent 方法的功能和异常处理的。让我们详细分析这个测试的目标以及它所针对的异常场景。

  1. 测试目标

功能测试：验证 Main.extractFileContent 方法是否能正确读取文件内容。

测试中创建了一个临时文件，写入中文内容 "测试内容"（使用 UTF-8 编码），然后调用 extractFileContent 方法提取内容，并通过 assertEquals 检查提取结果是否与预期一致。

异常相关性：虽然这个测试方法本身没有明确使用 @Test(expected = Exception.class) 或其他异常预期标记，但它间接测试了方法在正常情况下的行为。如果 extractFileContent 在处理文件读取时抛出异常（例如文件不存在或权限问题），测试将失败，从而间接验证异常处理的边界。

  1. 测试的异常场景
    Main.extractFileContent 方法调用了 TextsimilarityCalculator.readFile，而 readFile 使用 Files.readAllBytes 读取文件内容。以下是可能涉及的异常场景：

文件不存在异常 (NoSuchFileException)

场景：如果传入的文件路径无效或文件未创建，Files.readAllBytes 会抛出 NoSuchFileException。
测试中的 File.createTempFile 确保了文件存在，因此该异常不会在此测试中触发。但如果测试故意传入不存在的文件路径（例如未创建前调用），会触发此异常。

// 测试文件内容提取
    @Test
    public void testExtractFileContent() throws Exception {
        // 创建临时测试文件
        File tempFile = File.createTempFile("test", ".txt");
        tempFile.deleteOnExit(); // 测试后自动删除
        // 写入测试内容（中文）
        java.nio.file.Files.write(tempFile.toPath(), "测试内容".getBytes("UTF-8"));
        // 验证内容提取
        String content = Main.extractFileContent(tempFile.getAbsolutePath());
        assertEquals("文件内容提取错误", "测试内容", content);
    }
posted @ 2025-09-23 22:43  朱一凡  阅读(8)  评论(0)    收藏  举报