源程序文件重复率自动检测系统 设计与开发

采用动态规划思想，根据最优子结构性质，求出对比代码的最长公共子序列，从而判断对比代码的相似度。本系统把分词技术和最长公共子序列有机的结合，将对比代码分割成单词或标点符号，以单词和符号为检测单元，有效的提高了检测的精准度

package check;

import java.util.ArrayList;

public class check_sim {
	public static void main（String[] args） {
		// 要比较的两个字符串
		String str1 = “System out 1 1“;
		String str2 = “System ou t 1 1“;
		String[] str3 = str1.split（“ “）;
		String[] str4 = str2.split（“ “）;
	
		ArrayList str5 =cut_word（str1）;
		ArrayList str6 =cut_word（str2）;
		//levenshtein1（str5str6）;
		System.out.println（LSS1（str1str2））;;
		System.out.println（getDistance（str1str2））;
		
		
	}

	// 最长子序列集合为参数
	public static void levenshtein1（ArrayList str1  ArrayList str2） {
		// 计算两个字符串的长度。
		int len1 = str1.size（）;
		int len2 = str2.size（）;
		// System.out.println（str2.length）;
		// 建立上面说的数组，比字符长度大一个空间
		int[][] dif = new int[len1 + 1][len2 + 1];
		// 赋初值，步骤B。
		for （int a = 0; a <= len1; a++） {
			dif[a][0] = a;
		}
		for （int a = 0; a <= len2; a++） {
			dif[0][a] = a;
		}
		// 计算两个字符是否一样，计算左上的值
		int temp;
		for （int i = 1; i <= len1; i++） {
			for （int j = 1; j <= len2; j++） {
				if （str1.get（i-1）.equals（str2.get（j-1））） {
					temp = 0; // System.out.println（str1[i-1]+“ “+str2[j-1]）;
				} else {
					temp = 1; // System.out.println（str1[i-1]+“ t “+str2[j-1]）;
				}
				// 取三个值中最小的
				dif[i][j] = min（dif[i - 1][j - 1] + temp dif[i][j - 1] + 1 dif[i - 1][j] + 1）;
			}
		}
		// System.out.println（“字符串“+str1+“与“+str2+“的比较“）;
		// 取数组右下角的值，同样不同位置代表不同字符串的比较
		System.out.println（“差异步骤：“ + dif[len1][len2]）;
		// 计算相似度
		float similarity = 1 - （float） dif[len1][len2] / Math.max（str1.size（） str2.size（））;
		System.out.println（“相似度：“ + similarity）;
	}

	// 最长子序列，字符串为参数
	public static void levenshtein（String[] str1 String[] str2） {
		// 计算两个字符串的长度。
		int len1 = str1.length;
		int len2 = str2.length;
		// System.out.println（str2.length）;
		// 建立上面说的数组，比字符长度大一个空间
		int[][] dif = new int[len1 + 1][len2 + 1];
		// 赋初值，步骤B。
		for （int a = 0; a <= len1; a++） {
			dif[a][0] = a;
		}
		for （int a = 0; a <= len2; a++） {
			dif[0][a] = a;
		}
		// 计算两个字符是否一样，计算左上的值
		int temp;
		for （int i = 1; i <= len1; i++） {
			for （int j = 1; j <= len2; j++） {
				if （str1[i - 1].equals（str2[j - 1]）） {
					temp = 0; // System.out.println（str1[i-1]+“ “+str2[j-1]）;
				} else {
					temp = 1; // System.out.println（str1[i-1]+“ t “+str2[j-1]）;
				}
				// 取三个值中最小的
				dif[i][j] = min（dif[i - 1][j - 1] + temp dif[i][j - 1] + 1 dif[i - 1][j] + 1）;
				System.out.println（dif[i][j] + “ “）;
			}
		}
		// System.out.println（“字符串“+str1+“与“+str2+“的比较“）;
		// 取数组右下角的值，同样不同位置代表不同字符串的比较
		System.out.println（“差异步骤：“ + dif[len1][len2]）;
		// 计算相似度
		float similarity = 1 - （float） dif[len1][len2] / Math.max（str1.length str2.length）;
		System.out.println（“相似度：“ + similarity）;
	}

	// 得到最小值
	private static int min（int one int two int three） {
		return （one = one < two ? one : two） < three ? one : three;
	}

	// 最长字串，字符串参数，分割单词，采用
	public static int LSS1（String str1 String str2） {
		ArrayList s1 =cut_word（str1）;
		Arr

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-02-12 21:29  源程序文件重复率检测系统\
     文件         821  2017-02-12 13:02  源程序文件重复率检测系统\.classpath
     文件         412  2017-02-03 11:20  源程序文件重复率检测系统\.project
     目录           0  2017-02-03 11:20  源程序文件重复率检测系统\.settings\
     文件         598  2017-02-03 11:20  源程序文件重复率检测系统\.settings\org.eclipse.jdt.core.prefs
     文件     1289806  2013-04-12 16:38  源程序文件重复率检测系统\ant.jar
     目录           0  2017-03-05 15:34  源程序文件重复率检测系统\bin\
     目录           0  2017-03-05 15:34  源程序文件重复率检测系统\bin\check\
     文件        6741  2017-03-19 11:48  源程序文件重复率检测系统\bin\check\check_sim.class
     文件        3050  2017-03-22 20:19  源程序文件重复率检测系统\bin\check\MainCode.class
     文件        3294  2017-03-05 15:34  源程序文件重复率检测系统\bin\check\Pdf_Word_result.class
     文件        7816  2017-03-23 20:49  源程序文件重复率检测系统\bin\check\ResultDtl.class
     文件         747  2017-03-23 20:42  源程序文件重复率检测系统\bin\check\ResultMain$1.class
     文件        2520  2017-03-23 20:42  源程序文件重复率检测系统\bin\check\ResultMain$MyRender.class
     文件        5627  2017-03-23 20:42  源程序文件重复率检测系统\bin\check\ResultMain.class
     目录           0  2017-03-19 12:42  源程序文件重复率检测系统\bin\main\
     文件         742  2017-04-02 22:47  源程序文件重复率检测系统\bin\main\MainJframe$1.class
     文件        1149  2017-04-02 22:47  源程序文件重复率检测系统\bin\main\MainJframe$2.class
     文件        1289  2017-04-02 22:47  源程序文件重复率检测系统\bin\main\MainJframe$MyWindowListener.class
     文件        1295  2017-04-02 22:47  源程序文件重复率检测系统\bin\main\MainJframe$ValueComparator.class
     文件       20024  2017-04-02 22:47  源程序文件重复率检测系统\bin\main\MainJframe.class
     文件        1992  2017-03-05 15:34  源程序文件重复率检测系统\bin\main\MainJPanel.class
     文件         389  2017-03-05 15:34  源程序文件重复率检测系统\bin\main\MyTabbedPane.class
     文件        1077  2017-03-05 15:34  源程序文件重复率检测系统\bin\main\MyTabbedPaneUI$TabbedPaneLayout.class
     文件        3039  2017-03-05 15:34  源程序文件重复率检测系统\bin\main\MyTabbedPaneUI.class
     目录           0  2017-04-02 12:00  源程序文件重复率检测系统\bin\open\
     文件        4424  2017-03-05 15:34  源程序文件重复率检测系统\bin\open\DeCompressUtil.class
     文件         389  2017-04-02 12:00  源程序文件重复率检测系统\bin\open\MyTabbedPane.class
     文件        1077  2017-04-02 12:00  源程序文件重复率检测系统\bin\open\MyTabbedPaneUI$TabbedPaneLayout.class
     文件        3039  2017-04-02 12:00  源程序文件重复率检测系统\bin\open\MyTabbedPaneUI.class
     目录           0  2017-03-09 21:18  源程序文件重复率检测系统\bin\tool\
............此处省略42个文件信息