Localdocdiff

🔒 LocalDocDiff - 本地文档查重工具

一个完全在浏览器中运行的文档查重工具，基于 TF-IDF 和余弦相似度算法，保护您的隐私，无需上传任何文件到服务器。

🌟 特性

• 🔒 100%本地处理 - 所有文档处理均在您的浏览器中完成
• 🚀 无需安装 - 直接使用浏览器打开即可使用
• 📊 智能算法 - 基于 TF-IDF + 余弦相似度算法
• 💾 多格式导出 - 支持 HTML、JSON、TXT 格式报告
• 🛡️ 隐私保护 - 您的文档永远不会离开您的设备
• 📱 响应式设计 - 适配各种设备屏幕大小

📋 支持的文件格式

• Microsoft Word 文档 (. Docx)

🚀 快速开始

在线使用

直接访问 [工具链接] 即可开始使用（将 HTML 文件在浏览器中打开）

使用方法

1. 选择文档
   • 点击”选择文件”按钮或直接将 Word 文档拖拽到文件区域
   • 支持同时选择多个文档进行批量比较
   • 至少需要选择 2 个文档才能进行分析
2. 设置参数
   • 相似度阈值 (0.5-0.95)：设置文本相似的最低标准，推荐 0.7-0.8
   • 完全重复阈值 (0.8-0.99)：设置完全重复的标准，推荐 0.95
   • 最小词数 (1-20)：过滤掉过短的段落，提高分析准确性
3. 开始分析
   • 点击”开始查重分析”按钮
   • 查看实时进度和状态
   • 等待分析完成
4. 查看结果
   • 摘要统计：查看总体分析结果
   • 详细匹配：查看每处相似或重复的文本
   • 导出报告：保存分析结果为 HTML、JSON 或 TXT 格式

🔧 技术原理

算法流程

1. 文本提取：从 Word 文档中提取原始文本
2. 预处理：清洗文本、中文分词
3. 特征提取：使用 TF-IDF 算法构建文本特征向量
4. 相似度计算：使用余弦相似度计算文本相似度
5. 结果分类：根据阈值将结果分为”相似”和”完全重复”

核心技术

• TF-IDF (词频-逆文档频率)：衡量词语在文档中的重要程度
• 余弦相似度：计算文本向量之间的夹角余弦值
• 中文文本处理：支持中文文档的智能分析和比较

🔒 隐私保护

核心承诺

• ✅ 所有处理在浏览器中完成
• ✅ 文档不会上传到任何服务器
• ✅ 不会收集任何用户数据
• ✅ 不会存储任何分析结果
• ✅ 完全开源，代码透明

技术保障

• 使用现代 Web 标准 API
• 无网络请求，完全离线运行
• 关闭页面后所有数据自动清除

📊 结果解释

相似度评分

• 0.95-1.0：完全重复或几乎相同的内容
• 0.7-0.95：高度相似的内容
• 0.5-0.7：中等相似度内容
• < 0.5：不相似的内容（默认被过滤）

结果分类

• 完全重复：相似度 ≥ 完全重复阈值的内容
• 相似：相似度 ≥ 相似度阈值但 < 完全重复阈值的内容

💡 使用建议

参数设置建议

• 学术论文查重：相似度阈值 0.7，完全重复阈值 0.95
• 代码查重：相似度阈值 0.8，完全重复阈值 0.98
• 一般文档：相似度阈值 0.6，完全重复阈值 0.9

最佳实践

1. 确保文档格式正确（. Docx）
2. 根据文档类型调整阈值参数
3. 对于长文档，适当提高最小词数以减少噪音
4. 多次测试以找到最适合的参数组合

🛠️ 技术栈

• 前端：纯 HTML + CSS + JavaScript
• 文档处理：Mammoth. Js (Word 文档解析)
• 算法：TF-IDF + 余弦相似度
• UI 框架：原生 CSS，响应式设计

🌐 浏览器兼容性

• ✅ Chrome 60+
• ✅ Firefox 55+
• ✅ Safari 11+
• ✅ Edge 79+

📝 注意事项

已知限制

• 仅支持. Docx 格式的 Word 文档
• 大文档处理可能需要较长时间
• 中文分词采用简单分词算法
• 不支持图片、表格中的文本提取

性能优化

• 建议单次分析文档数量不超过 20 个
• 单个文档大小建议不超过 10 MB
• 复杂格式可能影响提取效果

🐛 故障排除

常见问题

1. 文件无法上传
   • 检查文件格式是否为. Docx
   • 检查浏览器是否支持 File API
2. 分析过程卡住
   • 尝试减少同时分析的文档数量
   • 检查文档大小，过大文档可能影响性能
3. 结果不准确
   • 调整相似度阈值参数
   • 增加最小词数设置
4. 页面无响应
   • 刷新页面重新开始
   • 检查浏览器控制台是否有错误信息

📄 许可证

本项目采用 MIT 许可证。

👨‍💻 开发者

AsgeologeekFan
个人网站

🤝 贡献

欢迎提交 Issue 和 Pull Request 来改进这个项目！

📞 支持

如果您在使用过程中遇到问题，请：

1. 查看本文档的故障排除部分
2. 在 GitHub 仓库中提交 Issue
3. 联系开发者获取帮助

---

重要提醒：本工具旨在辅助文档查重，结果仅供参考。对于重要的学术或商业用途，建议使用专业的查重服务进行最终确认。

最后更新：2025 年 11 月 17 日