研究生學(xué)位論文格式自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

是否為空段落，空段落體現(xiàn)為一個(gè)空行，非空段落作為表名處理。如在該前一個(gè)位置沒(méi)有找到表名，則再向前回溯一個(gè)位置繼續(xù)進(jìn)行判斷。如超過(guò)3步回溯仍未找到表名，認(rèn)為表名缺失或表名的格式有誤。

3 格式提取模塊

格式提取模塊的功能為獲取論文各特定部分的格式。格式提取模塊包括段落屬性提取子模塊和特殊格式屬性提取子模塊。

中，在表1中給出了段落中常見(jiàn)的元素及其說(shuō)明。

表1 常見(jiàn)的段落元素和C#類(lèi)說(shuō)明

（1）字體

元素，由rFonts元素按照樣式的層次結(jié)構(gòu)依次提取字體樣式，獲取到中英文的字體；檢測(cè)段落是否為全英文、全中文，或者既有中文又有英文，若是全英文，舍棄提取到的中文字體樣式，不能用于對(duì)比模塊；若是全中文，舍棄提取到的英文字體樣式，不能用于對(duì)比模塊；若既有中文又有英文，提取到的中文英文字體樣式全部保存。

（2）字號(hào)

首先按照樣式的層次結(jié)構(gòu)獲取的屬性Val的值，計(jì)算得到以磅為單位的字號(hào)大??；然后參考字號(hào)對(duì)照表得到字號(hào)和磅數(shù)的對(duì)應(yīng)關(guān)系，得到實(shí)際字號(hào)；將字號(hào)保存用于對(duì)比模塊。

（3）段前距離

段前距離信息從元素的before和before鄄Lines屬性中提取。首先依據(jù)樣式的層次結(jié)構(gòu)找到元素；若該元素包含beforeLines屬性，獲取該屬性對(duì)應(yīng)的屬性值，計(jì)算得到以行距倍數(shù)表示的該段落的段前距離；利用元素的子元素的linePitch屬性可以獲得一行的磅數(shù)，統(tǒng)一換算成以“磅”為單位的段前距離；若不包含beforeLines屬性，則獲取before屬性的屬性值，計(jì)算得到以“磅”為單位的段前距離。

特殊格式提取子模塊用于處理除段落屬性之外的其他格式提取問(wèn)題，包括參考文獻(xiàn)樣式提取、圖和表所在章節(jié)的標(biāo)題名稱(chēng)提取等，這些格式要求在OpenXML中并沒(méi)有明確的元素對(duì)應(yīng)，需采用特殊方式提取。

（1）參考文獻(xiàn)格式提取

首先利用正則表達(dá)式匹配參考文獻(xiàn)的標(biāo)志代碼，根據(jù)標(biāo)志代碼確定參考文獻(xiàn)的類(lèi)型；若無(wú)法匹配，說(shuō)明此條參考文獻(xiàn)缺少標(biāo)志代碼，保存錯(cuò)誤信息后，繼續(xù)下一條參考文獻(xiàn)格式的提??；若匹配成功，接著以中括號(hào)為分割點(diǎn)把該條參考文獻(xiàn)分割成幾部分，檢測(cè)作者、出版社、出版年份等格式是否滿(mǎn)足要求；接下來(lái)獲取參考文獻(xiàn)的編號(hào)樣式，判斷參考文獻(xiàn)的編號(hào)是否連續(xù)，若不連續(xù)，保存錯(cuò)誤信息，若連續(xù)，進(jìn)入下一步；最后統(tǒng)計(jì)參考文獻(xiàn)條目的數(shù)目，保存起來(lái)用于對(duì)比模塊。

檢測(cè)參考文獻(xiàn)連續(xù)性的方法如下：首先記錄并維護(hù)參考文獻(xiàn)的正確編號(hào)值，即編號(hào)應(yīng)為從1開(kāi)始的連續(xù)自然數(shù)，每次檢測(cè)到新的參考文獻(xiàn)條目后此值加1；接著判斷此參考文獻(xiàn)是手動(dòng)編號(hào)還是自動(dòng)編號(hào)，若是手動(dòng)編號(hào)，利用正則表達(dá)式獲取編號(hào)，然后判斷是否和正確編號(hào)值相同，若是自動(dòng)編號(hào)只需檢測(cè)自動(dòng)編號(hào)開(kāi)始的參考文獻(xiàn)編號(hào)是否和正確編號(hào)值相同。

（2）圖和表所在章節(jié)的標(biāo)題名稱(chēng)提取

首先用鏈表保存章節(jié)標(biāo)題所在的段落的位置信息，即索引值；然后獲取圖、表的索引，用圖、表的索引值和鏈表中的各個(gè)值依次比較，直到鏈表中的值大于此值為止，則鏈表中的前一個(gè)數(shù)值就是該圖、表所在章節(jié)標(biāo)題的位置；最后根據(jù)此索引即可得到標(biāo)題名稱(chēng)。

4 對(duì)比模塊

對(duì)比模塊的功能是將格式提取模塊提取出的待測(cè)論文中的格式特征與論文模板中的規(guī)則進(jìn)行對(duì)比，將對(duì)比結(jié)果不一致格式問(wèn)題輸出到檢測(cè)報(bào)告中。該模塊分為規(guī)則配置文件、規(guī)則對(duì)比子模塊、報(bào)告生成子模塊三個(gè)部分。

規(guī)則配置文件包含了模板論文規(guī)定的規(guī)則，是檢測(cè)待測(cè)論文正確與否的標(biāo)準(zhǔn)。在調(diào)用規(guī)則配置文件時(shí)，首先由單元定位模塊確定當(dāng)前檢測(cè)的位置在論文中所屬的部分，然后檢測(cè)該部分是否已存在XML格式的配置文件，若存在，則進(jìn)入規(guī)則對(duì)比子模塊；若不存在，則說(shuō)明當(dāng)前部分沒(méi)有設(shè)置格式要求，結(jié)束當(dāng)前部分的檢測(cè)。

首先獲取單元定位模塊的結(jié)果，判斷當(dāng)前要檢測(cè)的段落是待測(cè)論文的哪一部分，在規(guī)則配置文件中找到模板論文相應(yīng)的規(guī)則，將格式提取模塊提取到的該部分的格式信息與相應(yīng)的規(guī)則配置文件中的規(guī)則進(jìn)行對(duì)比，若該格式特征與規(guī)則配置文件中的規(guī)則一致，則說(shuō)明該格式正確；反之將錯(cuò)誤信息交由報(bào)告生成子模塊處理。

首先獲取生成報(bào)告的保存路徑，若用戶(hù)未自定義，默認(rèn)路徑設(shè)置為該待測(cè)論文的上傳路徑；接著獲取在規(guī)則配置文件中保存的所有待檢測(cè)的特定部分的節(jié)點(diǎn)信息，依次遍歷每個(gè)節(jié)點(diǎn)；獲取節(jié)點(diǎn)中保存的該節(jié)點(diǎn)對(duì)應(yīng)的名稱(chēng)，從而找到對(duì)應(yīng)的錯(cuò)誤信息的保存位置；將尋找到的錯(cuò)誤信息編號(hào)后保存到檢測(cè)報(bào)告中，最終生成一份檢測(cè)報(bào)告。

5 實(shí)驗(yàn)及分析

在編程結(jié)束后，共進(jìn)行了開(kāi)發(fā)人員測(cè)試和用戶(hù)測(cè)試兩方面測(cè)試，下面是兩種測(cè)試環(huán)境下的具體分析。

為了實(shí)現(xiàn)快速檢測(cè)大批量、相同格式要求論文的目的，檢測(cè)單篇論文的程序被進(jìn)行了批處理，在批處理程序中選擇需要檢測(cè)的部分，包括封面、獨(dú)創(chuàng)性聲明、標(biāo)題、摘要、目錄、正文、頁(yè)眉頁(yè)腳、表格、圖形、參考文獻(xiàn)、授權(quán)書(shū)等十一個(gè)部分。在.NET及Java環(huán)境下，對(duì)包含46篇論文的論文集檢測(cè)結(jié)果如下:46篇論文全部檢測(cè)成功，共用時(shí)33秒，平均0.717秒一篇。

本系統(tǒng)于2016年6月1日正式上線(xiàn)，在2016年6月本科生畢業(yè)期間共收到來(lái)自全校的500余篇論文的上傳，其中不同的論文317篇，剩余的200余次上傳為同一用戶(hù)在修改論文的過(guò)程中不斷地使用本系統(tǒng)進(jìn)行檢測(cè)與修正，最終修正為格式無(wú)誤的論文。在2016年9月研究生畢業(yè)期間，共收到來(lái)自23名用戶(hù)的50余篇不同的研究生論文。

6 結(jié)語(yǔ)

學(xué)位論文格式自動(dòng)檢測(cè)系統(tǒng)可以根據(jù)論文模板，自動(dòng)對(duì)待測(cè)論文進(jìn)行格式檢測(cè)，具有自動(dòng)化程度高、檢測(cè)速度快、檢測(cè)準(zhǔn)確率高等優(yōu)點(diǎn)，可大幅降低畢業(yè)生和指導(dǎo)教師的工作量，提高工作效率。下一步工作可重點(diǎn)考慮在線(xiàn)配置檢測(cè)規(guī)則，以提高本系統(tǒng)對(duì)不同學(xué)校論文模板的適用性。

[1]陳國(guó)勝,何宗明.基于XML技術(shù)的Word文檔錄入及格式檢測(cè)系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)時(shí)代,2009（4）:38-40.

[2]闞運(yùn)奇.畢業(yè)論文格式檢測(cè)系統(tǒng)的設(shè)計(jì)與研究[J].無(wú)線(xiàn)互聯(lián)科技,2012（11）:17-17.

[3]隋欣,張軍輝.基于.NET的Word的文檔信息讀取解析[J].計(jì)算機(jī)光盤(pán)軟件與應(yīng)用,2013（24）:87-88.

[4]葉明,張諍.基于C#.NET的Word報(bào)告生成功能開(kāi)發(fā)[J].計(jì)算機(jī)工程與應(yīng)用,2008,44（9）:104-106.

[5]徐東風(fēng),彭紅星,廖俊杰.基于 Java的文檔格式檢查技術(shù)的研究及其應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2010,31（19）:4309-4315

[6]周益蘭.TMLC在研究生學(xué)位論文檢測(cè)中的應(yīng)用研究[J].研究生教育研究,2012,02:71-74.

[7]趙常麗,楊磊.基于學(xué)位論文管理系統(tǒng)的本科生學(xué)位論文檢測(cè)方法研究[J].青海大學(xué)學(xué)報(bào)（自然科學(xué)版）,2014,01:85-89.

Design and Im p lementation of Automatic Detection System of Graduation Thesis Format

YE Xiu-yun，LIU De-zheng
（School of Software,Dalian University of Technology，Dalian 116621）

Graduate degree thesis is generally written in Word software,and the format requirements of the thesis are very strict.Based on the OpenXML technology,designs an automatic detection system of degree thesis,which can automatically scan the papers to be tested ac鄄cording to the template,and find the formats that do notmeet the requirements of the template,and generate the test report.The experi鄄mental results show that thismethod has low false positive rate and false negative rate,and can work effectively.

國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（No.2016101410302）

葉秀云（1996-），女，安徽阜陽(yáng)人，在讀本科，研究方向?yàn)樗惴ㄔO(shè)計(jì)與分析

2017-02-28

2017-04-20

1007-1423（2017）13-0051-04

10.3969/j.issn.1007-1423.2017.13.012

學(xué)位論文；格式檢測(cè)；OpenXML

劉德正（1996-），男，河北滄州人，在讀本科，研究方向?yàn)樗惴ㄔO(shè)計(jì)與分析

Degree Thesis;Format Detection;OpenXML