#------------------------------------------------------------------------#
#Authoren: Marco Costa & Mario Lanfranchi
#HTW Chur / Studienarbeit 2
#TETv08 / TETt08
#Datum: 22. Juni 2009
#------------------------------------------------------------------------#
# Begrüssung
cat(" ################################################","\n","#            Plagiatfinder v 1.2               #","\n","################################################","\n\n")
#------------------------------------------------------------------------#
#Das Programm R hat Schwierigkeiten beim Vergleichen von Sonderzeichen. So musste 
#man eine Funktion programmieren, die die Sonderzeichen in einem Text in andere 
#Zeichen umwandelte oder löschte. Am Ende wird der bereinigte Text zurückgegeben.

charClean <- function (text){
	char <- matrix(0, 20,2)
	char[1,1] <- "ä" 
	char[1,2] <- "ae" 
	char[2,1] <- "ö" 
	char[2,2] <- "oe"
	char[3,1] <- "ü" 
	char[3,2] <- "ue"
	char[4,1] <- "Ä" 
	char[4,2] <- "Ae"
	char[5,1] <- "Ü" 
	char[5,2] <- "Ue"
	char[6,1] <- "Ö" 
	char[6,2] <- "Oe"
	char[7,1] <- "é" 
	char[7,2] <- "é"
	char[8,1] <- "\\(" 
	char[8,2] <- ""
	char[9,1] <- ")" 
	char[9,2] <- ""
	char[10,1] <- "è" 
	char[10,2] <- "e"
	char[11,1] <- "à" 
	char[11,2] <- "a"
	char[12,1] <- "ä" 
	char[12,2] <- "ae"
	char[13,1] <- "ä" 
	char[13,2] <- "ae"
	char[14,1] <- "ä" 
	char[14,2] <- "ae"
	char[15,1] <- "ä" 
	char[15,2] <- "ae"
	char[16,1] <- "  "
	char[16,2] <- " "

	i<-1

	while(i <= length(char) / 2){
		text <- gsub(char[i,1], char[i,2], text)
		i <- i+1
	}
	return (text)
}

#------------------------------------------------------------------------#
#Die Sätze des Textes werden getrennt und in einem Array gespeichert
splitter <- function (text){
	splitter <- c("\\. ", "\\, ")
	i <- 1
	while(i<=length(splitter)){
		text <- unlist(strsplit(text, splitter[i]))
		i <- i+1	
	}
	return (text)
}
#------------------------------------------------------------------------#
#Diese Funktion erstellt eine Verbindung zwischen dem Webserver und dem Programm 
#R. Grundsätzlich sucht der Webserver auf der Google-Suchmachine nach dem 
#weitergegebenen Satz mit Hilfe des Parameters und der gesuchte Quelltext wird von 
#der  Suchmaschine zurückgegeben.
urlConnection <- function (satz, verfahren, seite){
	splittext <- splitter(originaltext)
	splittexturl <- gsub(' ', '%20', splittext[satz])
	if(verfahren == 0){
		urlcon = paste('http://cosweb.dyndns.org/search.php?s=%22', splittexturl, '%22', sep = "")
	}
	else{
		urlcon = paste('http://cosweb.dyndns.org/search.php?res=1&s=', splittexturl, '&start=', seite, sep = "")
	}
	con <- url(urlcon , "r")
	quelltext <- readLines(con, warn = FALSE)

	Encoding(quelltext)
	Encoding(quelltext) <- "latin1"

	close(con)
	return (quelltext)
}
#------------------------------------------------------------------------#
#1. Verfahren
analyze <- function (){	
	u<-1
	a<-1 
	splittextOrg <- splitter(originaltext)
	splittext <- tolower(splitter(originaltext))
	cop <- matrix(0, length(splittext),2) 
	while(u <= length(splittext)){
		quelltext <- urlConnection(u,0)
		
		start <- gregexpr("<div class=\"s", quelltext[4])
		stop <- gregexpr("aehnlich", quelltext[4])

		article <- array()
		urlarticle <- array()

		article[1] <- substr(quelltext[4], start[[1]][[1]], stop[[1]][[1]])
		
		#Link-Adresse
		start <- gregexpr("<cite>", article[1])
		stop <- gregexpr("</cite>", article[1])
		urlarticle[1] <- substr(article[1], start[[1]][[1]]+6, stop[[1]][[1]]-4)
		
		#Suche nach Plagiaten
		if(nchar(splittext[u]) > 130){
			splittext[u] <- substr(splittext[u], 0, 130)
			lastspace <- gregexpr(" ", splittext[u])
			splittext[u] <- substr(splittext[u], 0, lastspace[[1]][[length(lastspace[[1]])]]-1)
		}
		
		article[1] <- gsub('"','', article[1])
		splittext[u] <- gsub('"','', splittext[u])
		splittext[u] <- gsub("\\.","", splittext[u])
		
		if(regexpr(splittext[u], article[1], ignore.case = TRUE, extended = TRUE) != -1){
			cop[a,1] <- splittextOrg[u]
			urlarticle[1] <- gsub("<b>","", urlarticle[1])
			urlarticle[1] <- gsub("</b>","", urlarticle[1])
			cop[a,2] <- urlarticle[1]
			a <- a+1
		} 
		u <- u+1
	}
	return  (cop)
}
#------------------------------------------------------------------------#
#2. Verfahren
analyzePro <- function (){
	seite <- 0
	splittextOrg <- splitter(originaltext)
	splittext <- tolower(splitter(originaltext))
	cop <- matrix(0, length(splittext)*3, 2)
	a <- 1 
	while(seite <= 2){
		u<-1
		while(u <= length(splittext)){
			quelltext <- urlConnection(u,1,seite)
		
			start <- gregexpr("<div class=\"s", quelltext[4])
			stop <- gregexpr("aehnlich", quelltext[4])
	
			article <- array()
			urlarticle <- array()
		
			i <- 1
			while(i <= length(start[[1]])){
				article[i] <- substr(quelltext[4], start[[1]][[i]], stop[[1]][[i]])
				i <- i+1
			}
		
			i <- 1
			#Link-Adresse
			while(i <= length(article)){
				start <- gregexpr("<cite>", article[i])
				stop <- gregexpr("</cite>", article[i])
				urlarticle[i] <- substr(article[i], start[[1]][[1]]+6, stop[[1]][[1]]-4)
				i <- i+1
			}
		
			#Suche nach Plagiaten
			if(nchar(splittext[u]) > 130){
				splittext[u] <- substr(splittext[u], 0, 130)
				lastspace <- gregexpr(" ", splittext[u])
				splittext[u] <- substr(splittext[u], 0, lastspace[[1]][[length(lastspace[[1]])]]-1)
			}
			
			splittext[u] <- gsub('"','', splittext[u])
			splittext[u] <- gsub("\\.","", splittext[u])
		
			i <- 1
			words <- unlist(strsplit(splittext[u], " "))
			
			while(i <= length(article)){
				article[i] <- gsub('"','', article[1])
				h <- 1
				find <- 0
				count <- 0
				ok <- 0
				while(h <= length(words)){
					if(regexpr(words[h], article[i]) != -1){
						count <- count+1
					} 
					h <- h+1	
				}
			
				find <- gregexpr("<em>", article[i])
				find <- length(find[[1]])
			
				if(find == 1 || find == 2){
					ok <- 1
				} 
				
				if(count >= length(words)-1 & ok == 1){
					cop[a,1] <- splittextOrg[u]
					urlarticle[i] <- gsub("<b>", "", urlarticle[i])
					urlarticle[i] <- gsub("</b>", "", urlarticle[i])
					cop[a,2] <- urlarticle[i]
					a <- a+1
					break	
				}
			
				i <- i+1
			}
			u <- u+1
		
		}
		seite <- seite+1
	}
	
	#Doppelt erfasste Einträge löschen
	i <- length(cop[])/2
	while(i >= 1){
		u <- 1
		while(u <= length(cop[])/2){
			if(i != u) {
				if(cop[i,1] == cop[u,1]) {
					cop[i,1] <- "0"
					cop[i,2] <- "0"
				}
			}
			u <- u+1
		}
		i <- i-1
	}
	return  (cop)
}
#------------------------------------------------------------------------#
#Die Ergebnisse werden gezeigt
printResult <- function (x){
	if(x == 0){results <- analyze()}
	else{results = analyzePro()}
	resultsm <- results
	cat("Die folgende Sätze wurden aus dem Internet kopiert:","\n\n")
	i <- 1
	anzahlSaetze <- 0
	
	while(i <= length(results)/2){
		if(results[i,1] != "0"){anzahlSaetze <- anzahlSaetze+1}
		i <- i+1
	}
	
	data <- array()
	data1 <- c(anzahlSaetzeStart-anzahlSaetze, anzahlSaetze)
	labels <- array()
	labels1 <- c(anzahlSaetzeStart-anzahlSaetze,anzahlSaetze)
	text<-array()
	i <- 1
	a <- 1
	
	while(i <= length(results)/2) {
		u <- 1
		count <- 0
		if(results[i,1] != 0) {
			while(u <= length(results)/2) {
				resultsm[i,2] <- substr(results[i,2], 0, 15)
				if(regexpr(resultsm[i,2], resultsm[u,2]) != -1 & resultsm[i,2] != 0){
					count<-count+1
				} 	
				u <- u+1
			}
			cat(i,". ",results[i,1]," -> ",results[i,2],"\n\n", sep = "")
			text[a] <- paste(i,". ",results[i,1]," -> ",results[i,2],"\n\n", sep = "")
			labels[a] <- results[i,2]
			data[a] <- count
			a <- a+1
		}
		i <- i+1
	}
	
	cat("Wollen Sie die Ergebnisse als Diagramme sehen? (j/n)","\n", sep="")
	id <- readline()
	if(id == "j") {
		pie(data,labels = labels, main="Ergebnisse", clockwise=TRUE, lty = 2, radius=0.5)
	}
	cat("Wollen Sie einen Übersicht als Diagramm von wie vielen Sätzen kopiert wurden? (j/n)","\n", sep="")
	id <- readline()
	if(id == "j") {
		pie(data1, labels = labels1, main="Blau -> Anzahl kopierte Sätze", clockwise=TRUE, lty = 2)
	}
	cat("Wollen Sie einen anderen Text analysieren? (j/n)","\n", sep="")
	id <- readline()
	if(id == "j") {start()}
	else{q(save = "no")}
}
#------------------------------------------------------------------------#
#Start / Menü
start <- function(){
	cat("Bitte wählen Sie welches Verfahren anwenden wollen.","\n\n","1 -> Datei auswählen","\n","2 -> Text eingeben","\n", sep = "")
	id<-readline()
	if(id == 1){
		textfile <- file(file.choose(), "r")
		originaltext <- readLines(textfile, warn = FALSE)
		
	}
	if(id == 2){
		originaltext <- readline()
		
	}
	if(id != 1 & id != 2){
		cat("Bitte geben Sie eine Nummer zwischen 1 und 2 an!","\n\n")
		start() 
	}
	
	originaltext <<- charClean(originaltext)
	splittext <- splitter(originaltext)
	anzahlSaetzeStart <<- length(splittext)
	
	cat("Bitte wählen Sie welches Verfahren anwenden wollen.","\n\n","1 -> Schnelles Verfahren (Besonders gut für Sätze, die eins zu eins kopiert wurden)","\n","2 -> Dettaliertes Verfahren (Besonders für Sötze, die leicht gändert wurden)","\n","3 -> Beenden","\n", sep = "")
	id <- readline()
	if(id == 1){printResult(0)}
	if(id == 2){printResult(1)}
	if(id == 3){q(save = "no")}
	if(id != 1 & id != 2){
		cat("Bitte geben Sie eine Nummer zwischen 1 und 3 an!", "\n\n")
		start() 
	}
	
}
#------------------------------------------------------------------------#
#Plagiatfinder starten
start()