c++程序查重系统设计思路

1.关键字查重原理思路

决定做一个c++程序查重的系统，查重基本原则是跟据程序中关键字使用情况来判断。（每个程序的关键字使用情况都不太一样，我又仔细想了想：貌似两个相同功能的程序他的关键字使用情况应该是差不多的？）

whatever  我们需要统计各个关键字在程序中出现的次数(关键点)，再根据二者的各个关键字出现频率来计算程序相似度

 

统计在每个源程序中关键字出现的频度, 得到两个向量X1和X2，通过计算向量X1和X2的相对距离来判断两个源程序的相似性。
例如: 
    关键字           void  int   for  char  if  else  while  do  break  class
程序1关键字频度    4    3      0    4    3    0    7      0    0      2
程序2关键字频度    4    2      0    5    4    0    5      2    0      1
    X1=[4,3,0,4,3,0,7,0,0,2]
   X2=[4,2,0,5,4,0,5,2,0,1]
    设s是向量X1和X2的相对距离

                                                                                                     公式1

当X1=X2时，s=0, 反映出可能是同一个程序；s值越大，则两个程序的差别可能也越大。

2.程序功能设计

程序应分为 4部分：

1. 欲查重的两份程序文件的读取（初级功能，一个大的查重系统也是这种原理，即：一个被查文件，一个对比数据库）。

2. 存储各个文件中关键字的字频 。

3. 跟据储存的字频计算程序相似系数 s 。

4. 输出结果。包括两个程序关键字字频对比表，程序相似系数。

 

3.程序准备材料

1.c++ 关键字合集：

alignas (C++11 起) alignof (C++11 起) and and_eq asm atomic_cancel (TM TS) atomic_commit (TM TS) atomic_noexcept (TM TS) auto(1) bitand bitor bool break case catch char char8_t (C++20 起) char16_t (C++11 起) char32_t (C++11 起) class(1) compl concept (C++20 起) const consteval (C++20 起) constexpr (C++11 起) const_cast continue co_await (C++20 起) co_return (C++20 起) co_yield (C++20 起) decltype (C++11 起) default(1)

delete(1) do double dynamic_cast else enum explicit export(1)(3) extern(1) false float for friend goto if inline(1) int long mutable(1) namespace new noexcept (C++11 起) not not_eq nullptr (C++11 起) operator or or_eq private protected public reflexpr (反射 TS)

register(2) reinterpret_cast requires (C++20 起) return short signed sizeof(1) static static_assert (C++11 起) static_cast struct(1) switch synchronized (TM TS) template this thread_local (C++11 起) throw true try typedef typeid typename union unsigned using(1) virtual void volatile wchar_t while xor xor_eq

摘自：https://zh.cppreference.com/w/cpp/keyword  （如有侵权联删）

2. 哈希表存储关键字算法参考：

     1.哈希表实现的统计关键字频度

     2.统计文件中各单词出现的频率（Hash表实现）

     3.使用动态规划算法实现文献查重（C/C++实现）

     4.C++回顾 统计词频问题 -- vector、map、hash_map（三种方式时间比较）

 

未完待续

------