第一次个人编程作业
一、PSP表格
(2.1)在开始实现程序之前，在附录提供PSP表格记录下你估计将在程序的各个模块的开发上耗费的时间。（3'）
(2.2)在你实现完程序之后，在附录提供的PSP表格记录下你在程序的各个模块的开发上实际花费的时间。（3'）
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | ||
| · Estimate | · 估计这个任务需要多少时间 | 30 | 30 |
| Development | 开发 | ||
| · Analysis | · 需求分析 (包括学习新技术) | 90 | 150 |
| · Design Spec | · 生成设计文档 | 0 | 0 |
| · Design Review | · 设计复审 | 0 | 0 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 0 | 0 |
| · Design | · 具体设计 | 30 | 60 |
| · Coding | · 具体编码 | 180 | 240 |
| · Code Review | · 代码复审 | 10 | 30 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 20 | 30 |
| Reporting | 报告 | ||
| · Test Repor | · 测试报告 | 20 | 20 |
| · Size Measurement | · 计算工作量 | 5 | 5 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 5 | 5 |
| · 合计 | 390 | 570 |
二、计算模块接口
(3.1)计算模块接口的设计与实现过程。设计包括代码如何组织，比如会有几个类，几个函数，他们之间关系如何，关键函数是否需要画出流程图？说明你的算法的关键（不必列出源代码），以及独到之处。（18'）
敏感词类MGC：//存储输入的敏感词信息，按词存储
包括：敏感词序号，敏感词本身的字符串，长度（utf-8码的长度，一个汉字占3个字节），敏感词类型（中文|英文），敏感词总数
行类HANG：//存储需要检测的文本，按行存储
包括：行序号，行本身的字符串；长度（同上），行总数
答案类ANS：//将得到的结果按行存储
包括：敏感词序号，行序号，对应行的字段定位（便于输出问题字段），答案总条数
检测函数search：//对敏感词检测，是程序的核心算法，也是难度最高，占用资源最多的部分
void search(MGC &M,HANG &H)//输入对应的敏感词和行，不破坏行和词本身，检测到敏感字段即存入答案类
{
int i = 0, j = 0, head;
if (M.k == 1)//敏感词为汉字
{
//连续3个字节相同，则进行匹配；若敏感词长度为n字节，则需匹配n/3次才算完成
for (; j < H.l; j++) if (H.s[j] == M.w[i]&& H.s[j+1] == M.w[i+1]&& H.s[j+2] == M.w[i+2])
{
if (i == 0) head = j;//第一次匹配时，对文章对应位置定位
i += 3;
j += 2;
if (i == M.l)//匹配完成，记录信息，从当前位置继续查找该敏感词
{
i = 0;
Ans[Ans_num].mgc_num = M.num;
Ans[Ans_num].hang_num = H.num;
Ans[Ans_num].h = head;
Ans[Ans_num++].e = j;
}
}
}
else//敏感词为英文
{
//不区分大小写，相同则匹配；若敏感单词长度为m字节，则匹配m次
for (; j < H.l; j++) if ((H.s[j] == M.w[i]) || (H.s[j] - M.w[i] == 32 && M.w[i] <= 'Z') || (M.w[i] - H.s[j] == 32 && M.w[i] >= 'a'))
{
if (i == 0) head = j;
i++;
if (i == M.l)//匹配完成，记录信息，从当前位置继续查找该敏感词
{
i = 0;
Ans[Ans_num].mgc_num = M.num;
Ans[Ans_num].hang_num = H.num;
Ans[Ans_num].h = head;
Ans[Ans_num++].e = j;
}
}
}
}
输出函数ANS_print： //输出优先级：将答案类ANS输出到指定路径，行序号优先；同行时按敏感词序号优先；对于行号和词号一致的语句，看两者在对应行的出现顺序
思路：
分别读入敏感词文件f1、待检测文本f2，存储到对应的类中；
检测函数search：我的做法是将字符串的ASCII码与敏感词的ASCII码进行匹配（虽然能很快查找到正常情况下的敏感字段，但对同音字和拆边旁的情况存在很大的困难）能找到多少找多少，存入对应的类中
最后由对应的函数将结果输出
流程图：
(3.2)计算模块接口部分的性能改进。记录在改进计算模块性能上所花费的时间，描述你改进的思路，并展示一张性能分析图（由VS 2019、JProfiler或者Jetbrains系列IDE自带的Profiler的性能分析工具自动生成），并展示你程序中消耗最大的函数。（12'）
以上是用范例测试后得到的结果，其中检测函数search占了40%以上的cpu时间，占比最大；另外输入数据的处理也要花费不少的cpu时间；
结果与预想差不多，毕竟整个程序的核心算法就是敏感词的检测函数search，并且按我的算法，search的时间复杂度与（敏感词数*文本行数）成正比，当样例的敏感词数增加时，search消耗的cpu占比或许再度增加；
虽然占比较高，但实质消耗的时间相对合理，也没有改进的思路，故没对其进行改进；
(3.3)计算模块部分单元测试展示。展示出项目部分单元测试代码，并说明测试的函数，构造测试数据的思路。并将单元测试得到的测试覆盖率截图，发表在博客中。（12'）
测试1：（即作业给出的范例）
输入对应的3个地址：
我输出的答案：
示例给出的答案：
（我只找出了400个，主要是目前的进展对同音字和边旁还不能很好的解决）
测试2：分别给出（敏感词a，文章b， 答案c）
测试3：分别给出（敏感词a，文章b， 答案c）
(3.4)计算模块部分异常处理说明。在博客中详细介绍每种异常的设计目标。每种异常都要选择一个单元测试样例发布在博客中，并指明错误对应的场景。（6'）
//读入敏感词文件f1，并放入敏感词类的数组（Mgc[]）中
cin >> dz;
ifstream f1(dz);
if (!f1) cout << "open error!" << endl;
。。。。。
当读入文件出现问题时,输出
open error!
例如：
当输入正确的路径时，不会报错：
三、心得
(4.1)在完成本次作业过程的心得体会（3'）
开发思路及遇到的困难：
1.用c＋+读写文件时遇到困难，学习了fstream等知识，掌握基本的读写文件流；
2.用DevC++和VS测试txt文件的读写功能时，发现中文的乱码现象；经学习和查阅资料，问题在于txt文件默认用utf-8编码，而Windows控制台默认用ANSI（GBK）编码，故控制台会出现中文的乱码，虽不影响该次作业生成的txt文件结果，但给开发、测试及维护过程造成了许多的不方便；
解决方法：将VS设置成utf-8编码，并且在main函数开始处加入语句：system("chcp 65001")，语句功能为将控制台修改为utf-8编码；使程序全程使用utf-8编码，便于编写和维护；
3.对程序进行测试，测试过程中遇到输入的路径打不开的现象，发现路径中包含了中文，改为英文后此问题便没再发生
总结：学了许多知识，但离完全攻下此题还有很大的差距，还要再努力呀
