计算机以及互联网的发展改变了人们的生产和生活方式,很多传统领域的工作可以借助计算机来提高工作效率。例如在教育领域的程序项目实验类课程中,依靠人工方式审核学生提交的程序作业的方法非常低效,很难发现可能存在的代码抄袭,因此设计并实现检测抄袭的学生实验源码查重系统具有重要的意义。在程序项目实验类课程作业的查重场景中,项目工程作业一般提供包含基础模块的框架,其余多个模块以小组分工的形式共同开发。对项目工程查重需要考虑剔除模板代码、针对项目整体查重以及针对小组成员细化查重等,同时查重系统应能够应对常见的代码混淆手段。为完成上述功能需求,查重系统采用基于令牌token的结构分析法进行检测,系统中包含代码预处理模块、解析转换模块、查重执行模块、结果分析模块、详细结果生成模块。代码预处理模块将小组提交的工程文件进行过滤、提取,得到待查重的内容并存入对比库。解析转换模块负责从对比库中读取用来查重的小组文件并解析转换成可用于相似度匹配的token序列,其中词法分析器扫描代码生成token序列的过程中忽略注释、空格以及对变量名作统一映射等。查重执行模块将解析转换得到的对象进行对比库查重,采用贪婪字符串匹配（Greedy String Tilling,GST）算法进行相似匹配,并收集每一次匹配的结果。结果分析模块负责从查重执行模块获取匹配结果并进行统计分析,得到小组的整体抄袭比例以及各个模块和对应负责组员的抄袭比例。详细结果生成模块用来生成详细的匹配结果,方便教师对抄袭进行代码复核。系统测试结果表明,查重系统采用词法分析生成token序列进行比较的方式对常规代码混淆手段比如注释和输出更改、变量名替换、代码格式修改等具有良好的效果,贪婪字符串匹配算法的应用可以有效应对代码重排;查重系统可以完成对项目工程的对比库查重,分析得出项目的总体抄袭比例以及不同模块和对应开发组员的抄袭状况,并生成总体报告和详细结果文件。