你打开 Turnitin 相似度报告，发现一片红色标记集中在第三章：一段三十行的 Python 代码被整段标红，来源显示为某个技术博客；紧接着的几行注释也被标红，和某份往届论文的表述几乎一样；再往下，描述算法流程的伪代码同样没有幸免。很多人的第一反应是把红色部分全部改掉：换变量名、调换语句顺序、给注释换几个同义词。但这么做，你既改坏了代码的可读性，也没有解决真正的问题，即该引用的地方没有引用。
代码、注释和伪代码在查重报告里看起来都是“重复的文字”，但它们在论文中的性质完全不同。你需要先把这三类内容分开，判断哪些必须保留原样并老老实实标注来源，哪些属于你自己的解释性文字，应当彻底重写。
逐个点开匹配项，先判断来源类型
不要只盯着相似度百分比。相似度高不代表抄袭，相似度低也不代表没有问题；真正要看的，是每一处匹配到的内容是否被恰当引用和改写。在 Turnitin 报告里逐条点开高亮段落，把每一处来源归到下面几类：
| 来源类型 | 典型表现 | 处理方向 |
|---|---|---|
| 开源仓库、技术博客、教材配套代码 | 匹配到 GitHub、CSDN、Stack Overflow 等 | 保留代码，补规范引用 |
| 往届学位论文 | 匹配到同校或外校的论文全文 | 检查是否为自己的表述被模板化 |
| 你自己发表过或提交过的内容 | 匹配到自己之前的课程作业 | 按自我引用规范说明 |
| 学校模板、任务书 | 匹配到同一门课其他同学的相同段落 | 按导师要求处理模板文字 |
| 通用术语与定义 | 匹配到大量文献的相同表述 | 判断是否属于学科固定表述 |
只有完成这个分类，你才能知道哪些红色标记是“本来就应该和别人一样”的内容。一段来自开源库的矩阵运算代码，天然会和几千个仓库重复；如果把它改得面目全非，反而可能让实现出错，也会让读者无法核对。
第一步：核心代码与开源代码，该保留就保留，但要标注清楚
先判断你论文里的代码属于哪一类。下面的标准可以直接照着核对：
- 必须保留原样的：直接调用的开源库代码、复现经典算法的标准实现、依赖特定接口签名的代码、导师或实验室提供的基线代码。
- 可以也应该改写的：你自己写的业务逻辑、数据预处理脚本、实验参数配置、对你所在课题特有的处理流程。
- 必须重写的：从网上复制但没有真正理解、也没有引用的代码。这类代码即使改动几个变量名，也仍然是学术不端。
确认某段代码需要保留后，标注要做到“读者不看你的正文，也知道它来自哪里”。推荐同时完成三处：
- 代码块上方加一句来源说明，写清项目名、版本、原作者、获取方式。
- 在代码块的注释开头标注文件来源和许可证类型，例如说明该片段基于某开源项目某版本修改，遵循某许可证。
- 在参考文献列表中补一条正式条目，格式按你学校要求的 GB/T 7714 或相应规范处理，把代码仓库当作电子资源著录。
如果你在保留代码的基础上做了修改，说明要写“基于……修改”，并简述改了什么。例如把原库中写死的路径参数改成从配置文件读取，这句话要让读者看得见。
这里有一个容易被忽略的点：开源许可证合规和学术引用是两件事。许可证解决的是你能不能使用、分发这段代码；学术引用解决的是你有没有如实交代知识来源。两者都要做，缺一不可。
第二步：代码注释属于你的解释性文字，必须用自己的话重写
注释被标红，往往比代码被标红更危险。因为代码可以正当地来自开源项目，但注释是你对代码的理解，如果它和某篇教程一字不差，说明你连解释都是从别人那里搬来的。
注释被标红的常见原因有三个：直接复制教程里的逐行讲解；照抄开源仓库的文档字符串；把往届论文的算法说明复制到自己的函数头里。
改写的正确顺序是：
- 先读懂代码在做什么，尤其是它为什么这么写，比如为什么这里要加锁、为什么这个循环从 1 开始。
- 合上原文，不要对照着原注释替换同义词。换词不换结构，在查重系统里仍然是同一句话。
- 只写你需要的部分。注释不需要覆盖每一行，重点写清楚输入输出的约定、关键分支的意图、以及容易踩坑的地方。
看一组对比：
| 版本 | 内容 | 问题 |
|---|---|---|
| 原注释（来自教程） | 初始化一个空列表，然后遍历数据集中的每一条记录，将符合条件的记录添加到列表中 | 典型的教程句式，直接被标红 |
| 不合格改写 | 创建一个空列表，接着循环数据集里的每条记录，把满足条件的记录加入该列表 | 只换了同义词，句子骨架没变 |
| 合格改写 | 只保留标签为有效的样本；跳过缺失关键字段的记录，避免后续统计时出现空值 | 写的是这一份代码的具体意图，不复现原文结构 |
合格版本之所以不会被判重复，是因为它描述的是你这份实现特有的决策，而不是泛泛地复述“遍历并添加”这个动作。
一个可执行的自查动作：把某个函数里所有注释遮住，只看代码，你能不能向同学讲清楚它为什么这么写？如果讲不出来，说明注释该补的是你的理解，而不是从别处找一句话填进去。
第三步：伪代码要调整表述结构，而不是伪造逻辑
伪代码是最容易被忽视的一块。它既不像代码那样有明显的来源痕迹，也不像正文那样被反复检查，但它常常整段匹配到教材、算法导论类资料或者往届论文。
先明确一点：伪代码里不能改的是算法本身。你不能为了让文字看起来不一样，就悄悄改掉循环边界或者判断条件，那属于篡改方法描述，比重复更严重。可以改的是表述方式：
- 命名体系：把教材里通用的
A、w、d换成本课题语境下的名字，比如edges、weight、distance。 - 控制结构的写法：教材常用
for i ← 1 to n，你可以用缩进式或foreach风格，只要语义一致。 - 粒度：不要一步一行地复刻教材的拆法，按你代码的实际函数边界重新划分步骤，把两次相邻操作的合并或拆开。
- 注释行：伪代码里的说明性文字最容易撞车，按上一步的方法全部重写。
- 输入输出约定：明确写出你的数据格式，这部分天然具有个人特征。
改完之后做一个检查：把你的伪代码和教材原版并排放，遮住标题，让同学看两段是否在讲同一个算法。如果答案是“是同一个算法，但不是同一段文字”，说明处理到位了。
提交前的完整处理清单
按下面的顺序过一遍，比盲目降重有效得多：
- 导出 Turnitin 报告，逐条点开匹配项，用表格把每处来源归类。
- 对每一段被标红的代码，回答“它是我写的还是来自别处”。来自别处的，保留并补三处标注：代码块上方说明、注释开头来源、参考文献条目。
- 对每一段被标红的注释，遮住原文重写，只写这份实现特有的意图和约束。
- 对每一段被标红的伪代码，检查命名、控制结构写法和步骤粒度，重写全部说明性文字，但保持算法语义不变。
- 检查正文里对代码的解释段落。很多人只改代码，却忘了正文中“这段代码首先……然后……”的说明同样会匹配到教程。
- 重新提交前，和导师确认哪些内容属于“必须保留原样”的范围，尤其是实验室基线和学校模板，避免你改完之后反而不符合要求。
最后提醒一句：Turnitin 报告是给你自己和导师看的诊断工具，不是需要刷到某个数字的分数。一段正确标注来源的开源代码被标红，你不需要紧张；一段没有引用的代码相似度再低，问题依然存在。把该留的留住、该说的说清、该用自己话讲的重写一遍，第三章的红块自然会回到它该有的位置。
