第一次个人编程作业

https://github.com/silence-github-code/2021SEP

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。

(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。

PSP是卡耐基梅隆大学（CMU）的专家们针对软件工程师所提出的一套模型：Personal Software Process (PSP， 个人开发流程，或称个体软件过程)。

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	30	25
· Estimate	· 估计这个任务需要多少时间	5	10
Development	开发	360	420
· Analysis	· 需求分析 (包括学习新技术)	10	20
· Design Spec	· 生成设计文档	20	10
· Design Review	· 设计复审	10	10
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	15
· Design	· 具体设计	120	120
· Coding	· 具体编码	420	450
· Code Review	· 代码复审	60	120
· Test	· 测试（自我测试，修改代码，提交修改）	60	360
Reporting	报告	60	60
· Test Repor	· 测试报告	50	60
· Size Measurement	· 计算工作量	10	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	60
	· 合计	1545	1715

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。
设计了matching函数,用于将待测文本的每一行与敏感词进行匹配

中文
中文敏感词可能进行一些伪装，在敏感词中插入除字母、数字、换行的若干字符仍属于敏感词。如：当山寨为敏感词词汇时，山_寨，山@寨，山 寨，均可视为敏感词。
中文文本中存在部分谐音替换、拼音替代、拼音首字母替代的敏感词（拼音不区分大小写），如 shan寨，栅寨，山Z等均可视为敏感词。
中文文本中还存在少部分较难检测变形如繁体、拆分偏旁部首(只考虑左右结构)等。
不存在变形后再拆开偏旁部首的情况。
英文
英文文本不区分大小写，在敏感词中插入若干空格、数字等其他符号(换行、字母除外)，也属于敏感词，如hello为敏感词时，he_llo，h%ell@o，he llo均为敏感词 。

对于中文的同音词,繁体,通过第三方库pypinyin转换成拼音处理,拆分部首通过字库实现

对于 学 木jiao 这类情况不处理

(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。
(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。

(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。

# 由命令行参数打开文件并对异常进行处理
def open_file(path):
    try:
        file = open(path, 'r+', encoding='utf-8')
    except Exception:
        print("文件打开失败!")
        raise Exception("文件打开失败")
    else:
        return file

# 检测命令行参数个数
def parameter():
    if len(sys.argv) != 4:
        print("命令行参数错误!")
        raise Exception("命令行参数错误")

三、心得

(4.1)在完成本次作业过程的心得体会（3'）
-这次为了完成作业,学了python的一些知识包括类,List,函数,正则等.第一次接触到github,vscode的性能分析工具,单元测试学到了很多
-但是因为没有合理安排时间,导致后面很赶,下次要合理安排时间