13518219792
1、这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
创新互联建站专业为企业提供昆玉网站建设、昆玉做网站、昆玉网站设计、昆玉网站制作等企业网站建设、网页设计与制作、昆玉企业网站模板建站服务，10余年昆玉做网站经验，不只是建网站，更提供有价值的思路和整体网络服务。
2、计算两文件的MD5值，如果MD5值一致表示一样。
3、两个取样内容， MD5等算法的计算值 不同，则内容一定不同； 计算值相同，则 内容可能相同，但可能性是否达到100%，内容相同的概率是多少，根据编码范围、算法来确定。
4、public class test { /** * 我们把两个字符串的相似度定义为：将一个字符串转换成另外一个字符串的代价（转换的方法可能不唯一），转换的代价越高则说明两个字符串的相似度越低。
5、行行相比，而是 一次遍历多对多的比较（但是仍要考虑顺序，比如A第10行和B第15行相同，但是A第12行又和B第10行相同，那么这一个范围段都是不匹配片断），找出相似度最高的。
试一下antiplag，网页链接，能对程序语言（如java、c/c++、python等）、中英文文档进行查重。
什么是抄袭，一摸一样的叫抄袭？现在人都不会这么傻吧，怎么也得改点。如果是完全相同，把2段代码以流的形式读进来比较。
如果是两个源代码文件进行比较，实质上是文本比较，两个文本的相似度分析目前没有看到相关的算法，只有特征匹配来比较相似度。查重软件是比较两边目录的文件指纹数字来判断文件是否是重复的，比如比较文件的md5值。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
最简单的、最节省性能的方法是建立字典。字典的索引就是字本身，遍历字符串，没遇到一个字就加入到字典中，加入的时候判断下，如果索引存在则加1，不存在则创建，然后在取字典最大值，大于6就报错。
这是java的弱项，属于纯算法范畴，应该没有什么办法。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
用算法中的求最大相似子字符串的方法LCS或许可以，它可以找到两个字符串中最大相似的子字符串。
分别从开始遍历两个 字符串数组，比较 相似（相同） 字符百分比。
public class test { /** * 我们把两个字符串的相似度定义为：将一个字符串转换成另外一个字符串的代价（转换的方法可能不唯一），转换的代价越高则说明两个字符串的相似度越低。
用文本匹配，重复率达80%以上，可以认为是同一新闻。大学里面毕设论文查重用的是同一原理。
