논문표절 확인하는 전체 코드

[유연수]

#0. 자카드 유사도 구하는 함수

def  jacard(a,b):

    result1 = []
    for i in range(len(a)-1):
        if a[i:i+2].isalpha()==True:
            result1.append(a[i:i+2].upper())
        
    result2 = []    
    for k in range(len(b)-1):
        if b[k:k+2].isalpha()==True:
            result2.append(b[k:k+2].upper())

    import  collections 

    intersect = []
    result = collections.Counter(result1)  & collections.Counter(result2)  # 교집합
    intersect = list( result.elements() ) 

    result2 = collections.Counter(result1) | collections.Counter(result2)  # 합집합 
    union = list( result2.elements() )
    
    kyu =   len(intersect)
    hap =   len(union)
    
    return  kyu/hap

#1. 파일의 위치와 파일명을 받아서 파일안에 text 를 전처리하고 출력하는 함수 
origin = 'd:\\data\\jobs.txt'

def  before_text(name):
    c_jobs2 = open(name, encoding="utf8")     # jobs.txt 텍스트 파일을 불러옵니다.
    jobs2 = c_jobs2.read().lower().replace('\n', ' ').split(' ')  # 소문자변경, \n 지움
    jobs3 = list( filter( lambda  x : x != '',  jobs2))   # '' <-- 를 리스트에서 다 지움
    stev_a_1 = ' '.join(jobs3)                              # 리스트의 데이터를 문장으로 변경
    return stev_a_1

#2. 논문들이 모아져있는 디렉토리안에 논문 파일명과 파일 위치를 가져오는 코드

import   os                             #  os에 파일들을 파이썬에서 다루기 위한 전문 모듈

dir_path = "c:\\data888\\"     # 논문들이 모아져 있는 위치
res = os.listdir(dir_path)            # data888 폴더에 있는 파일명들을 res 리스트에 담는다

res2 =[]
for  i  in  res:                          # res 리스트의 요소들을 하나씩 불러와서 i 에 넣고
    res2.append( os.path.join( dir_path, i )  ) # c:\\data888\\a.txt  <-- 이런식으로
                                                    #완성된 위치와 파일명을 res2 에 append 시킴

#3. 원본 논문과 다른 논문들 사이의 자카드 유사도를 출력하는 코드

origin = 'd:\\data\\jobs.txt'          # 원본 논문의 위치와 이름을 origin 변수에 담는다
result = before_text(origin)              # 원본 논문의 위치와 이름으로 안에 text 를 뽑아
                                                 # result 에 담습니다.

for  i  in  res2:                              # 연설문의 위치와 이름을 하나씩 불러와서
    k = before_text(i)                      #  a.txt 안에 있는 연설문들을 텍스트로 k 에 담고
    print( jacard(result , k )  )           # 하나씩 원본 논문과 자카드 유사도를 구합니다.