一个前后端分离的自建库论文查重系统，适合班级、院系或课题组建立私有比对库，检测论文与库内其他文档的相似度，类似高校毕业论文的「校内互检」场景。

---

界面预览

查重上传	查重报告详情	AI 降重指南

• 查重上传：拖拽或选择 .txt 文件，右侧展示系统采用的 6 项检测规则，点击即可开始与自建库比对。
• 查重报告详情：左右对照原文与库内来源，红色高亮疑似重复片段，顶部可按「全部/标红/改写/语义」等维度筛选命中类型。
• AI 降重指南：提供自查清单与一键复制的 AI 降重提示词，帮助学生用 ChatGPT、DeepSeek、Claude 等工具规范化改写。

---

定位与适用场景

PaperCheck 的核心是自建库查重：先把往届论文、课程作业或参考资料导入系统形成私有文献库，学生/用户上传自己的论文后，系统只与这个库内的文档进行相似度比对。

典型场景：

• 高校毕业论文校内互检：院系建立本专业往届毕业论文库，检测本届学生之间的互相抄袭或与往届论文的重复。
• 课程作业查重：教师把历年作业、参考资料入库，批量检测学生提交的作业相似度。
• 课题组文档比对：研究团队内部检查报告、专利、论文草稿之间的重复或自我抄袭。
• 公开查重平台私有化部署：学校或机构在内部服务器部署，避免论文外泄。

与公共查重平台不同，PaperCheck 让你拥有自己的比对数据库，数据不出内网，结果只反映库内相似度。

---

适合谁用

你的情况	是否适合	原因
你需要检测论文与本校/本专业往届论文的重复	✅ 非常适合	系统就是为「自建库 + 库内互检」设计的
你需要一个班级/课程作业查重工具	✅ 适合	教师可批量上传历年作业作为比对库
你需要课题组内部文档去重	✅ 适合	支持多用户、权限隔离、历史记录
你想直接替代知网/维普/万方等公共查重	❌ 不适合	本系统没有公共互联网数据库，只检测已入库内容
你需要英文论文与全球文献比对	❌ 不适合	当前针对中文文本优化，且依赖自建库
你希望完全零部署、开箱即用	⚠️ 需要权衡	需要自行部署 MySQL 与 Python 后端，但可私有化

一句话判断：只要你有「一批自己的文档需要互相比对」的需求，PaperCheck 就比公共查重平台更合适；如果你需要与互联网海量资源比对，请继续使用商业查重服务。

---

功能特性

文献库

• 上传 .txt 文献到自建库，支持批量上传。
• 查看文献列表、字符数、句子数与入库时间。
• 搜索文献、查看内容、导出选中文献。
• 管理员可删除单条或批量删除文献。

论文查重

• 直接上传 .txt 文件查重，或选择已入库文献作为待查文本。
• 支持限定比对范围，仅与指定文献库内容比对。
• 输出查重率、引用率、去引用查重率、疑似重复字符数等统计。
• 生成命中片段、来源分布、类型分布与检测性能数据。

多维度检测算法

• 连续文本匹配
• 指纹索引匹配
• 同义词归一化匹配
• 编辑距离相似匹配
• Jaccard 相似度检测
• 句式结构相似检测
• 多因子综合检测
• 段落级相似检测
• 可选语义向量检测（基于 sentence-transformers）
• 参考文献、引用标记与可排除章节识别

报告与历史

• 查看单次查重报告。
• 下载 PDF 报告。
• 查看查重历史，支持关键词检索。
• 删除单条或批量删除历史记录。
• 普通用户只能访问自己的记录，管理员可访问全量数据。

账号与权限

• JWT 登录鉴权。
• 登录失败限流与短时锁定。
• 普通用户每日查重次数限制，管理员不受限制。
• 管理员可创建、编辑、删除用户及重置密码。
• 用户可修改密码并查看个人统计。
• 支持通过 system_config 表开关用户注册。

---

技术栈

后端

• Python 3.11+
• FastAPI
• SQLAlchemy Async + aiomysql
• Pydantic Settings
• jieba、numpy、scikit-learn
• sentence-transformers（可选语义检测）
• reportlab（PDF 报告）
• python-jose + bcrypt（鉴权与密码）
• loguru

前端

• Vue 3
• Vite 6
• Vue Router
• Pinia
• Element Plus
• Axios
• Tailwind CSS 4
• SCSS
• GSAP
• lucide-vue-next

---

目录结构

papercheck/
├── backend/                 # 后端服务
│   ├── core/                # 文本处理、相似度检测、语义检测、章节与引用识别
│   ├── data/                # 停用词、同义词表、上传目录与字体目录（仅保留骨架）
│   ├── scripts/             # 辅助脚本（如补齐语义向量）
│   ├── services/            # 文献库、查重流程、PDF 导出、指纹索引
│   ├── tests/               # 后端单元测试
│   ├── auth.py              # 登录鉴权、权限、配额
│   ├── config.py            # 环境变量配置
│   ├── database.py          # MySQL 异步连接
│   ├── main.py              # FastAPI 入口与路由
│   ├── models.py            # 数据表模型与接口模型
│   ├── .env.example         # 环境变量示例
│   └── requirements.txt     # Python 依赖
├── frontend/                # 前端应用
│   ├── src/
│   │   ├── components/      # 公共组件、查重组件、报告组件
│   │   ├── composables/     # 上传进度、分页、搜索、报告数据等组合逻辑
│   │   ├── layout/          # 登录布局与主布局
│   │   ├── stores/          # 登录状态
│   │   ├── styles/          # 样式变量与动画
│   │   ├── utils/           # 报告常量
│   │   └── views/           # 页面：文献库、查重、报告、历史、用户管理等
│   ├── .env.production      # 生产环境示例
│   ├── package.json
│   └── vite.config.js
├── papercheck.sql           # MySQL 表结构与默认账号
├── .gitignore
└── README.md

---

环境要求

• Python 3.11 或 3.12（3.13 可编译运行，但深度学习依赖推荐 3.11/3.12）
• Node.js 18+
• MySQL 5.7 或 8.0
• 如需语义检测，首次加载模型会消耗较多时间与磁盘空间；CPU 可运行但较慢

---

快速开始

1. 克隆仓库

git clone https://github.com/CodeWolffy/papercheck.git
cd papercheck

2. 初始化数据库

创建数据库：

CREATE DATABASE IF NOT EXISTS papercheck
  CHARACTER SET utf8mb4
  COLLATE utf8mb4_unicode_ci;

导入表结构与默认账号：

mysql -u root -p papercheck < papercheck.sql

papercheck.sql 包含以下核心表：

• users：用户、角色、每日配额
• documents：入库文献元信息
• document_sentences：文献句子切分结果
• fingerprints：文本指纹索引
• semantic_vectors：语义向量缓存
• check_histories：查重历史与报告 JSON
• system_config：系统开关（如是否开放注册）

默认管理员账号：

• 用户名：admin
• 密码：123456

首次登录后请立即修改管理员密码。

3. 启动后端

cd backend
python -m venv .venv
source .venv/bin/activate  # Windows: .\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
cp .env.example .env       # Windows: Copy-Item .env.example .env

编辑 .env，至少配置以下三项：

DATABASE_URL=mysql+aiomysql://papercheck:your-password@localhost:3306/papercheck?charset=utf8mb4
JWT_SECRET=change-me-to-a-random-string-at-least-32-chars-long
ADMIN_DEFAULT_PASSWORD=change-me-admin-password-at-least-12-chars

常用可选配置：

CORS_ORIGINS=http://127.0.0.1:5173,http://localhost:5173
SEMANTIC_ENABLED=false
SYNONYM_ENABLED=true
DAILY_CHECK_QUOTA=5
LOGIN_FAILURE_LIMIT=5
LOGIN_LOCKOUT_SECONDS=300
REPORT_CACHE_MAX_ENTRIES=200
REPORT_CACHE_TTL_SECONDS=3600
NUM_WORKERS=1

启动服务：

uvicorn main:app --reload --host 127.0.0.1 --port 8000

验证：

• 健康检查：http://127.0.0.1:8000/health
• 接口文档：http://127.0.0.1:8000/docs

4. 启动前端

cd frontend
npm install

开发环境如需直连后端，创建 frontend/.env：

VITE_API_BASE_URL=http://127.0.0.1:8000

不配置时前端默认请求 /api，更适合配合反向代理使用。vite.config.js 已内置开发代理，将 /api 转发到 http://127.0.0.1:8000。

npm run dev

默认访问：http://127.0.0.1:5173

---

前端路由

路由	页面	权限
/login	登录	公开
/library	文献库	登录
/check	论文查重	登录
/history	查重历史	登录
/report/:taskId	查重报告	登录
/guide	使用指南	登录
/profile	个人中心	登录
/admin/users	用户管理	管理员

---

主要接口

所有业务接口除登录、注册和健康检查外，默认需要携带 Bearer Token。

认证

方法	路径	说明
POST	/auth/login	登录
POST	/auth/register	注册（受 registration_enabled 开关控制）
GET	/auth/me	当前用户信息
PUT	/auth/password	修改密码
GET	/auth/stats	用户查重统计

文献库

方法	路径	说明
POST	/library/upload	上传单个 .txt 文献
POST	/library/upload/bulk	批量上传 .txt 文献
GET	/library	文献列表
GET	/library/filenames	文献文件名列表
GET	/library/search	搜索文献
GET	/library/{doc_id}/content	查看文献内容
POST	/library/export	导出文献
DELETE	/library/{doc_id}	删除文献（管理员）
POST	/library/batch-delete	批量删除文献（管理员）

查重与报告

方法	路径	说明
POST	/check	发起查重，支持上传文件或指定 target_doc_id
GET	/check/{task_id}	查看查重报告
GET	/check/{task_id}/pdf	下载 PDF 报告
GET	/checks	查重历史
GET	/checks/stats	查重历史统计
DELETE	/checks/{task_id}	删除查重历史
POST	/checks/batch-delete	批量删除查重历史

管理员

方法	路径	说明
GET	/admin/users	用户列表
POST	/admin/users	创建用户
PUT	/admin/users/{user_id}	修改用户
DELETE	/admin/users/{user_id}	删除用户
PUT	/admin/users/{user_id}/reset-password	重置用户密码

---

文件限制

• 文献库上传仅支持 .txt。
• 查重上传仅支持 .txt。
• 单文件大小限制 10MB。
• 文本建议使用 UTF-8 编码。

---

语义检测

语义检测默认关闭。启用方式：

SEMANTIC_ENABLED=true
SEMANTIC_MODEL_NAME=BAAI/bge-m3

也可指定本地模型路径：

SEMANTIC_MODEL_PATH=/path/to/bge-m3

启用后：

• 后端启动时会尝试在后台预热语义模型。
• 新入库文献会生成语义向量。
• 可使用 backend/scripts/backfill_semantic_vectors.py 为历史文献补齐语义向量。
• 首次下载模型可能较慢，生产环境建议提前准备本地模型路径。

---

测试与检查

后端

cd backend
python -m unittest discover -s tests -p "test_*.py" -v
python -m compileall -q .

前端

cd frontend
npm run build

---

生产部署建议

• 前端执行 npm run build，由 Nginx 托管 frontend/dist。
• 后端使用 uvicorn main:app --host 127.0.0.1 --port 8000 运行在本机端口。
• Nginx 将 /api/ 反向代理到后端。
• frontend/.env.production 推荐配置为：

VITE_API_BASE_URL=/api

示例 Nginx 配置：

server {
    listen 80;
    server_name your-domain.com;
    root /path/to/papercheck/frontend/dist;
    index index.html;

    location / {
        try_files $uri $uri/ /index.html;
    }

    location /api/ {
        rewrite ^/api/(.*)$ /$1 break;
        proxy_pass http://127.0.0.1:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_read_timeout 600s;
    }

    client_max_body_size 50m;
}

---

常见问题

1. 前端请求接口 404

检查 VITE_API_BASE_URL 是否正确：

• 开发环境直连后端：http://127.0.0.1:8000
• 生产环境使用 Nginx 反向代理：/api

2. 后端启动后数据库报错

确认已创建数据库并导入 papercheck.sql，同时检查 .env 中的 DATABASE_URL 是否与 MySQL 账号、密码、端口一致。

3. 登录后立即跳回登录页

通常是 Token 无效、后端 401、前端接口地址错误或 JWT_SECRET 变更导致。清理浏览器 localStorage 中的 token，检查接口地址和后端日志。

4. 上传文件失败

确认文件后缀为 .txt，大小不超过 10MB，编码优先使用 UTF-8。

5. 查重结果为空或很低

确认文献库已上传可比对文献，待查文本为 .txt，且数据库 fingerprints 表中有入库文献的指纹数据。

6. 语义检测不可用

确认 SEMANTIC_ENABLED=true，模型名称或本地路径有效，并且运行环境可以加载 sentence-transformers 相关依赖。

7. PDF 导出无中文字体

在 backend/data/fonts/ 目录下放置一个中文字体文件（如 NotoSansSC-Regular.ttf 或 Windows 的 simsun.ttc），后端会自动检测并使用。

8. 部署后刷新页面 404

Nginx 需要把未知路径回退到 index.html：

location / {
    try_files $uri $uri/ /index.html;
}

---

贡献

欢迎 Issue 与 PR。提交前请确保：

1. 后端代码可通过 python -m compileall -q . 语法检查。
2. 新增逻辑补充对应单元测试。
3. 前端构建通过 npm run build。

---

安全说明

• 生产环境请务必修改 JWT_SECRET 为至少 32 位的随机字符串。
• 首次登录后请立即修改默认管理员密码。
• 不要将真实的 .env、数据库密码或服务器密钥提交到仓库。
• 项目已配置 .gitignore 忽略 .env、虚拟环境、node_modules、dist 与上传数据目录。

---

许可证

MIT