使用Python比較兩個文字檔案的相似度

本文使用python對兩個文字檔案進行比較，目的是為比較學生的作業抄襲情況。由於總共有70名學生，兩兩比較工作量太大，所以寫了本程式。演算法的基本原理是對兩個檔案中的行每一行進行比較，統計內容相同的行數，然後與兩個檔案的最大行數的比值。

設 lines1 和 lines2 分別為兩個輸入檔案中的所有文字行。

count = 0
for line in range(len(files1)):    # 對檔案1中的所有行進行遍歷
if lines2.count(line) > 0: # 檔案2中包括檔案1的行 line
count += 1            # count加1
# 結果為相同的行的個數與兩個檔案最大行的比值，當2個檔案長度相同，且每一行都相同時，取最大值。
result = count / max(len(lines1), len(lines2))

以下對學生的作業進行對比的計算的結果（作業保密，讀者可以使用其他文字檔案進行測試）

25和27的作業相似度為：73.77% 25和33的作業相似度為：77.05% 25和34的作業相似度為：88.52% 26和42的作業相似度為：98.21% 27和33的作業相似度為：89.83% 27和34的作業相似度為：76.27% 29和30的作業相似度為：73.17% 33和34的作業相似度為：80.70% 41和45的作業相似度為：97.22% 43和45的作業相似度為：72.22% 49和50的作業相似度為：85.29% 53和59的作業相似度為：91.67% 58和69的作業相似度為：92.59% 61和63的作業相似度為：72.73%

62和68的作業相似度為：80.00%

源程式只顯示了70%相似度以上的。顯然，這些同學的作業存在很大的抄襲嫌疑，經過檢視相似內容，確認他們都有抄襲情況。另外，經過進一步簡單分析，就可以發現作業抄襲學生的關係，如 25，27，33，34幾人可能抄的是同一人；29，30是同一人等。

# coding: utf-8
import os
defreadlines
(filepath)
:    lines =
try:
with
open
(filepath,
'r', encoding =
'utf-8'
)as f:
lines = f.readlines(
)except exception:
with
open
(filepath,
'r', encoding =
'gbk'
)as f:
lines = f.readlines(
)return lines
defcompare
(file1, file2)
:    lines1 = readlines(file1)
lines2 = readlines(file2)
count =0.
for line in lines1:
if lines2.count(line)
>0:
count +=
1return count /
max(
len(lines1)
,len
(lines2)
)    
path =
"第二次作業"
# 輸入路徑，根據實際情況決定。
dirs = os.listdir(path)
files =
error_files =
forfile
in dirs:
file))
for i in
range
(len
(files)):
for j in
range
(i +1,
len(files)):
try:
degree = compare(files[i]
, files[j]
)if degree >
0.7:
print
("{}和{}的作業相似度為："
.format
(files[i]
.split(
" ")[0
], files[j]
.split(
" ")[0
], degree)
.replace(
"第二次作業\\",""
))except exception as e:
if error_files.count(j)==0
:continue

使用Python比較兩個文字檔案的相似度

使用shell比較兩個文字的差異

python比較兩個list

python 實現兩個文字檔案內容去重

使用Python比較兩個文字檔案的相似度

使用shell比較兩個文字的差異

python比較兩個list

python 實現兩個文字檔案內容去重

相關推薦