湖南
论文查重这事儿，很多人觉得一上传文件，系统就从第一句话开始比对了。其实真正的检测，是从你点击“提交”按钮、文件成功上传到服务器之后开始的。在这之前，你看到的选择系统、填信息那些步骤，都只是准备工作。
文件传上去之后，查重系统要做的第一件事是“解析”。它得先能“读懂”你的文件。无论你交的是Word、PDF还是TXT，系统都会用技术手段，把文件里的文字内容完整地提取出来。这一步很关键，如果文件损坏、加密或者图片太多导致文字提不出来，检测根本就无法开始。解析成功后，你论文里所有的文字才会变成系统能直接处理的“纯文本”。
文字提出来了，是不是马上就拿去和数据库比呢？也不是。系统通常会先对文本做一个简单的“预处理”。最常见的就是自动识别并排除一些它规定不参与比对的“固定部分”。比如大多数系统会默认跳过封面、目录、你学校要求写的“独创性声明”和“授权书”，还有参考文献列表。注意，这里说的是“格式正确”的参考文献。如果你的参考文献就是手打的一堆字，格式乱七八糟，系统很可能识别不出来，会把它当正文一起查。预处理后，剩下的部分，主要是从摘要到结论的论文主体正文，才是真正要拿去比对的“靶子”。
核心的“查重”动作正式开始。系统会把你的正文文本，按照它内置的算法规则，切割成一个个小的比对单元，比如连续的几个字或一句话。然后，它就把这些碎片，同时丢进它的“数据库”这个大仓库里进行快速匹配。这个数据库是查重系统的核心家底，通常包括：以往所有学生的毕业论文、学术期刊杂志的文章、还有各种会议论文、从网上爬取的网页资料等等。
匹配的过程是海量、快速的。系统会找出那些和你写的句子碎片高度相似的文献片段。它比的是“相似”，不是“一模一样”。哪怕你改了几个词、换了语序，只要整体意思和表达结构相似，聪明的系统还是能发现。它会把这些匹配上的地方一一标红（或标出），并注明疑似来源于数据库里的哪篇文章。最后，系统把所有标红内容的字数加起来，除以你论文的总字数，就得出了那个让人紧张的数字——总文字复制比。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
