譯者 | 布加迪

隨著數字內容越來越受歡迎，保護它們免受復制和濫用變得比以往更加重要。抄襲檢測工具可以幫助教師評估學生的作業，幫助機構審閱研究論文，幫助作家發現其知識產權被盜的現象。

構建抄襲檢測工具可以幫助您理解序列匹配、文件操作和用戶界面。您還可以探索自然語言處理（NLP）技術以改進您的應用程序。

Tkinter和Difflib模塊

要構建抄襲檢測器，您將使用Tkinter和Difflib模塊。Tkinter是一個簡單的跨平臺庫，可以用來快速創建圖形用戶界面。

Difflib模塊是Python/ target=_blank class=infotextkey>Python標準庫的一部分，它提供了用于比較字符串、列表和文件等序列的類和函數。有了它，您可以構建文本自動糾錯器、簡化版本控制系統或文本摘要工具之類的程序。

如何使用Python構建抄襲檢測器？

導入所需的模塊。定義一個方法load_file_or_display_contents()，它接受entry和text_widget作為參數。該方法將加載文本文件，并在文本組件中顯示內容。

使用get()方法提取文件路徑。如果用戶沒有輸入任何內容，使用askopenfilename()方法打開文件對話框窗口，選擇想要進行抄襲檢查的文件。如果用戶選擇了文件路徑，從頭到尾清除前一個條目（如果有的話），并插入所選擇的路徑。

復制

import tkinter as tk

from tkinter import filedialog

from difflib import SequenceMatcher

def load_file_or_display_contents(entry, text_widget):

file_path = entry.get()

if not file_path:

file_path = filedialog.askopenfilename()

if file_path:

entry.delete(0, tk.END)

entry.insert(tk.END, file_path)

以讀取模式打開文件，并將內容存儲在text變量中。清除text_widget的內容，并插入前面提取的文本。

復制

with open(file_path, 'r') as file:

text = file.read()

text_widget.delete(1.0, tk.END)

text_widget.insert(tk.END, text)

定義一個方法compare_text()，您將用它來比較兩段文本并計算它們的相似度百分比。使用Difflib的SequenceMatcher()類來比較序列并確定相似度。將自定義比較函數設置為None以使用默認比較，并傳遞想要比較的文本。

使用比率方法以浮點格式獲得相似度，可以用來計算相似度百分比。使用get_opcodes()方法檢索一組操作，可以用來高亮顯示文本的相似部分，并將其與相似度百分比一同返回。

復制

def compare_text(text1, text2):

d = SequenceMatcher(None, text1, text2)

similarity_ratio = d.ratio()

similarity_percentage = int(similarity_ratio * 100)

diff = list(d.get_opcodes())

return similarity_percentage, diff

定義一個方法show_similarity()。使用get()方法從兩個文本框中提取文本，并將它們傳遞給compare_text()函數。清除將顯示結果的文本框中的內容，插入相似度百分比。從之前的高亮顯示中刪除“same”標簽（如果有的話）。

復制

def show_similarity():

text1 = text_textbox1.get(1.0, tk.END)

text2 = text_textbox2.get(1.0, tk.END)

similarity_percentage, diff = compare_text(text1, text2)

text_textbox_diff.delete(1.0, tk.END)

text_textbox_diff.insert(tk.END, f"Similarity: {similarity_percentage}%")

text_textbox1.tag_remove("same", "1.0", tk.END)

text_textbox2.tag_remove("same", "1.0", tk.END)

get_opcode()方法返回五個元組：操作碼字符串、第一個序列的開始索引、第一個序列的結束索引、第二個序列的開始索引和第二個序列的結束索引。

操作碼字符串可以是四個可能的值之一：replace、delete、insert和equal。當兩個序列中的一部分文本不同，并且有人把一部分換成另一部分時，您將獲得replace。當文本的一部分存在于第一個序列而不存在于第二個序列時，您將獲得delete。

當文本的一部分在第一個序列中不存在但在第二個序列中存在時，您將獲得insert。當文本的部分相同時，您將獲得equal。將所有這些值存儲在適當的變量中。如果操作碼字符串是equal，向文本序列添加same標簽。

復制

for opcode in diff:

tag = opcode[0]

start1 = opcode[1]

end1 = opcode[2]

start2 = opcode[3]

end2 = opcode[4]

if tag == "equal":

text_textbox1.tag_add("same", f"1.0+{start1}c", f"1.0+{end1}c")

text_textbox2.tag_add("same", f"1.0+{start2}c", f"1.0+{end2}c")

初始化Tkinter根窗口。設置窗口的標題，并在其中定義一個框架。在兩個方向用適當的填充來組織框架。定義兩個標簽以顯示Text 1和Text 2。設置它應該駐留的父元素和它應該顯示的文本。

定義三個文本框，兩個用于要比較的文本，一個用于顯示結果。聲明父元素、寬度和高度，并將換行選項設置為tk.word，以確保程序在最近的邊界處對單詞換行，并且不中斷中間的任何單詞。

復制

root = tk.Tk()

root.title("Text Comparison Tool")

frame = tk.Frame(root)

frame.pack(padx=10, pady=10)

text_label1 = tk.Label(frame, text="Text 1:")

text_label1.grid(row=0, column=0, padx=5, pady=5)

text_textbox1 = tk.Text(frame, wrap=tk.WORD, width=40, height=10)

text_textbox1.grid(row=0, column=1, padx=5, pady=5)

text_label2 = tk.Label(frame, text="Text 2:")

text_label2.grid(row=0, column=2, padx=5, pady=5)

text_textbox2 = tk.Text(frame, wrap=tk.WORD, width=40, height=10)

text_textbox2.grid(row=0, column=3, padx=5, pady=5)

定義三個按鈕，兩個用于加載文件，一個用于比較。定義父元素、它應該顯示的文本，以及它在被點擊時應該執行的函數。創建兩個輸入組件來輸入文件路徑，并定義父元素及其寬度。

使用網格管理器以行和列的形式組織所有這些元素。使用pack來組織compare_button和text_textbox_diff。在必要的地方添加適當的填充。

復制

file_entry1 = tk.Entry(frame, width=50)

file_entry1.grid(row=1, column=2, columnspan=2, padx=5, pady=5)

load_button1 = tk.Button(frame, text="Load File 1", command=lambda: load_file_or_display_contents(file_entry1, text_textbox1))

load_button1.grid(row=1, column=0, padx=5, pady=5, columnspan=2)

file_entry2 = tk.Entry(frame, width=50)

file_entry2.grid(row=2, column=2, columnspan=2, padx=5, pady=5)

load_button2 = tk.Button(frame, text="Load File 2", command=lambda: load_file_or_display_contents(file_entry2, text_textbox2))

load_button2.grid(row=2, column=0, padx=5, pady=5, columnspan=2)

compare_button = tk.Button(root, text="Compare", command=show_similarity)

compare_button.pack(pady=5)

text_textbox_diff = tk.Text(root, wrap=tk.WORD, width=80, height=1)

text_textbox_diff.pack(padx=10, pady=10)

用黃色背景和紅色字體高亮顯示標記為相同的文本。

復制

text_textbox1.tag_configure("same", foreground="red", background="lightyellow")

text_textbox2.tag_configure("same", foreground="red", background="lightyellow")

mAInloop()函數告訴Python運行Tkinter事件循環并監聽事件，直到您關閉窗口。

復制

root.mainloop()

把它們放在一起，然后運行代碼以檢測抄襲。

抄襲檢測器的輸出示例

當您運行這個程序時，它會顯示一個窗口。點擊Load File 1按鈕后，將打開文件對話框，要求您選擇一個文件。選擇一個文件后，程序在第一個文本框內顯示內容。在輸入路徑并點擊Load File 2后，程序將在第二個文本框內顯示內容。在點擊Compare按鈕后，您得到的相似度為100%，它高亮顯示相似度100%的整個文本。