2026/9/17 23:21:31
FEATURED · 精选文章 
简介机械设计考试真题与答案解析汇总文档主要面向机械类本科生、考研备考生及需要复习机械设计基础的从业者。内容覆盖齿轮接触与弯曲疲劳强度计算、螺纹连接防松、联轴器与离合器区别、链传动动载荷控制等高频考点还涉及阿基米德蜗杆轴面参数、V带传动限制小带轮直径、双平键相隔120°布置、含油轴承采用粉末冶金等易混淆知识并附有典型简答题、选择题与分析题便于读者检验掌握程度。文档为1个doc文件压缩包大小1.13MB简洁便携适合在学习或备考场景中直接打开查看。已有83人学习/下载说明其内容具有一定参考价值。通过学习这份文档读者可系统梳理闭式软齿面传动设计准则、螺栓联接选用、滚动轴承疲劳寿命计算等核心知识也能对照考题解析加深对易混概念的理解提升解题与应试能力。1. 机械设计考试题及答案汇总doc 文件为什么值得拆开用绝大多数人网盘里都躺着一个「机械设计考试题及答案汇总--.doc」下载时如获至宝打开后两分钟关闭。原因不复杂几百道题和答案混排在一起今天做完明天想重做只能滚动翻页按章节复习时又没人告诉你哪块高频、哪块冷门。这篇内容把机械设计的考点权重拆开讲清楚再给出一套能把这份 doc 变成结构化题库的完整技术链路老格式 doc 的解析、题目文本的正则提取、JSON 题库落盘以及一个能随机抽题和错题重练的自测工具。适合机械设计制造、机电一体化方向的在校生也适合想用 Python 把历史课件盘活成复习系统的工程师。2. 考点先行机械设计考试高频知识点与题目自动打标机械设计课程的考纲再怎么变计算题都稳定落在四个位置螺纹连接强度、齿轮接触与弯曲疲劳、轴的弯扭合成、滚动轴承寿命计算。概念题则集中在键连接工作面、联轴器选型、摩擦与润滑这几个方向上。复习时先给知识点排优先级再看 doc 里的题感觉完全不同。2.1 五类必考模块与它们的典型题型考点模块高频题型典型提问方式核心公式/查表螺栓连接计算题/概念题计算螺栓危险截面直径预紧力与残余预紧力的关系d1√(4F/(π[σ]))齿轮传动计算题/判断题齿面接触疲劳与齿根弯曲疲劳的失效位置σH 与 σF 的修正ZE、YFa、YSa 系数轴的设计计算题/改错图按弯扭合成强度求最小轴径指出轴系结构错误折合系数 α滚动轴承计算题/选型当量动载荷 P 的求解寿命 L10 的计算L10(C/P)^ε键与联轴器概念题/简答题平键的工作面是哪个面联轴器与离合器的区别挤压强度条件这张表的作用是帮你做减法。拿到题库后先按模块把题分堆计算题四板斧优先概念题放到碎片时间背比从头到尾刷几百道题有效得多。2.2 用 Python 给题目打知识点标签题目文本读出来以后第一个实用操作是自动打标签。做法不复杂每个考点维护一组关键词子串匹配命中就归类。识别率足够考试复习用没必要上分类模型。import re def normalize(text: str) - str: # 去全角空格和制表符统一为半角空格避免关键词匹配失败 return re.sub(r[ \u3000\t], , text) def tag_question(content: str) - list[str]: tag_map { 螺栓: [螺栓, 螺纹, 预紧力, 防松, 残余预紧力], 齿轮: [齿轮, 模数, 齿面接触, 齿根弯曲, 啮合], 轴: [转轴, 心轴, 传动轴, 弯扭, 轴径], 轴承: [轴承, 当量动载荷, 寿命, 滚动体], 键: [平键, 键连接, 工作面, 挤压], 联轴器: [联轴器, 离合器, 对中], } text normalize(content) tags [] for tag, keywords in tag_map.items(): if any(kw in text for kw in keywords): tags.append(tag) return tagsnormalize里的正则[ \u3000\t]匹配半角空格、全角空格和制表符统一压缩成一个半角空格tag_question用any(kw in text for kw in keywords)做逻辑或只要命中一个关键词就认为这题属于该模块。因为子串匹配是按字符走的所以关键词不要写「轴的强度」这种带结构的短语写成「弯扭」「轴径」这种离散片段更稳妥。打标签有两个实际用途一是复习时按模块刷题比如只抽「螺栓」相关的题二是统计权重算出这份 doc 里哪个模块题量最大和教材重点互相印证。一个复习周期里按「计算题四板斧优先、概念题碎片时间背」的节奏走比从第一题做到最后一题有效得多。2.3 为什么「答案汇总」不能只背结果考试题里计算题是大头而计算题看的是步骤和参数来源。比如普通螺栓抗拉强度计算危险截面的面积用的是螺纹小径 d1 对应的截面积不是公称直径 d这个区别如果只背「结果等于 8.376mm」是记不住的。概念题也一样「平键的工作面是两侧面」这句话答案只给了「两侧面」但考试如果问「上下面有效吗」必须知道是因为间隙配合才不参与传递转矩。所以处理这份 doc 的正确策略是把答案当作校验函数而不是背诵材料。做题时遮住答案把计算过程和结论写在纸上再和 doc 里的标准答案对照。遇到参数取值不一致比如安全系数 S 取 1.3 还是 1.5去翻教材的表格而不是改自己的过程去迎合答案。3. 解析 .doc 老格式从 OLE2 到 python-docx 的完整链路3.1 先分清 .doc 和 .docx别让 python-docx 白报错文件名带.doc的老文档内部结构是 OLE2 复合文档一种二进制容器格式.docx则是 ZIP 压缩包里面是若干 XML 文件。python-docx 只能读 .docx直接给它传 .doc 会抛PackageNotFoundError或直接读出一堆乱码。所以拿到「机械设计考试题及答案汇总--.doc」的第一步不是写代码而是先把文件转成 docx 或者抽出纯文本。3.2 方案 ALibreOffice headless 批量转 docxLibreOffice 是跨平台的办公套件支持命令行转换而且对老 .doc 文件的兼容性比大多数工具都好。转换命令# 单文件转换输出到当前目录 soffice --headless --convert-to docx:MS Word 2007 XML 机械设计考试题汇总.doc # 批量转换把目录下所有 .doc 转到 converted 子目录 soffice --headless --convert-to docx --outdir converted *.doc参数说明--headless不打开图形界面适合服务器或命令行环境--convert-to后接目标格式:MS Word 2007 XML是明确指定 Filter 名写docx也可以但写全名能避免个别发行版识别歧义--outdir指定输出目录不加就输出在当前目录。macOS 下命令通常是sofficeLinux 有些发行版安装后叫libreoffice。如果命令找不到先which soffice定位。转换后要注意一个坑LibreOffice 会把分页符转换成大量空段落。读出来的文本里会有若干连续空行需要在清洗阶段用re.sub(r\n{3,}, \n\n, text)压回去否则后面正则匹配题目内容时容易误判边界。3.3 方案 Bantiword 直接抽纯文本有些机器上没装 LibreOffice或者只是想快速预览内容用 antiword 更快。antiword 专门解析老 .doc 格式体积小输出纯文本但缺点也很明确表格结构、图片、公式全部丢失。# 指定 UTF-8 映射避免中文乱码 antiword -m UTF-8.txt 机械设计考试题汇总.doc output.txt-m参数指定字符映射文件UTF-8.txt是 antiword 自带的映射文件名。处理中文 doc 时不加这个参数输出通常是乱码因为老 doc 内部多使用 GBK/GB2312 编码。映射文件的具体路径在不同的 Linux 发行版里不一样如果 antiword 报找不到映射文件用dpkg -L antiword或rpm -ql antiword查一下安装目录再把绝对路径填进去。3.4 两种方案怎么选题目在普通段落里antiword 就够如果 doc 里是表格排版比如每行一个题目、右侧是答案就必须走 LibreOffice 转 docx 的路线因为表格结构在 antiword 输出里会丢失列对齐题干和选项混在同一行后期正则很难拆。我一般优先用 LibreOffice因为很多老资料是表格排版。3.5 用 python-docx 读取转换后的文件转换完成后用 python-docx 读取。考试资料有个特点很多题目放在表格单元格里而不是普通段落所以遍历时不能只看paragraphs还要看tables。from docx import Document doc Document(机械设计考试题汇总.docx) print( 段落 ) for para in doc.paragraphs: text para.text.strip() if text: print(text) print( 表格 ) for idx, table in enumerate(doc.tables): print(f--- 表格 {idx 1} ---) for row in table.rows: cells [cell.text.replace(\n, ) for cell in row.cells] print( | .join(cells))strip()去掉段落首尾空白避免空段落干扰cell.text.replace(\n, )把单元格内部的换行替换成空格这样一行就是一道完整题目。如果文档里既有段落又有表格建议先按「段落 表格」整体打印一遍肉眼判断题目主体在哪部分再决定后续提取逻辑。4. 用正则把题目结构化题干、选项、答案一步入库4.1 先观察文档的三种题目排版考试资料在 doc 里的排版基本逃不出三种。最易自动化的是「题号题干选项答案X」的结构每个字段都有明确边界。其次是选项分行排列A 一行、B 一行这种用正则处理时需要让选项组能跨行匹配。最麻烦的是答案集中在文末题干里没有任何答案痕迹必须先把题目切块再用题号把两边对齐。举例来说常见的一段文本长这样1. 在普通螺栓连接的强度计算中螺纹部分的危险截面面积按 计算。 A. 外径 B. 中径 C. 内径 D. 牙底直径 答案C 2. 受横向载荷的普通螺栓连接其强度计算按 进行。 A. 剪切强度 B. 挤压强度 C. 拉伸强度 D. 弯曲强度 答案C4.2 正则提取题干、选项、答案import re pattern re.compile( r(?Pno\d)[\.、]\s* # 题号1. 或 1、 r(?Pcontent.*?) # 题干非贪婪匹配 r(?Poptions(?:[A-D][\.、:]\s*.*?)?) r答案[:]\s* r(?Panswer[A-Da-d]), # 答案字母 re.S # 让 . 匹配换行 )几个参数值得细说。re.S是必须的题干或选项可能跨行.默认不匹配换行加了re.S后才能跨行匹配(?Pcontent.*?)里的*?是非贪婪表示尽量少匹配这样在遇到第一个选项字母时就停下来不会把选项吞进题干[A-D][\.、:]兼容 A. A、AA: A几种分隔符变体。no组用[\.、]兼容「1.」和「1、」两种常见题号写法。这里要提醒一个容易踩的坑有些 doc 里选项是换行排列的上面正则把\s*放在选项开头换行符也能被匹配掉所以这种排版也能处理。但如果选项被截断把?改成再观察命中情况。4.3 题文分离时的答案对齐如果题目文本里没有「答案X」而是每一节末尾集中列答案正则就拆不了。处理方法是两步走先用题号切出题干块再单独读答案页。import re, json blocks re.split(r(?\b\d[\.、]), text) # 在题号前切分 answer_text re.sub(r答案[:]?, , answers_page) answers re.findall(r(\d)[\.、]?\s*([A-Da-d]), answer_text) answer_map {int(no): ans.upper() for no, ans in answers} for block in blocks: m re.match(r(\d)[\.、], block) if m and int(m.group(1)) in answer_map: questions.append({no: m.group(1), content: block, answer: answer_map[int(m.group(1))]})(?\b\d[\.、])是零宽正向断言只在题号前的位置切分不消耗字符所以切出来的每块第一行还是原来的题号。答案页按「题号 字母」提取后构造成字典最后用题号去查。两侧题号数量不一致时answer_map.get(m.group(1))返回 None写 JSON 前过滤掉这些题即可。4.4 清洗噪声文本页码、页眉、全角符号正则匹配之前先做一轮清洗否则页眉、页码、页脚会混进 content 组。常见的噪声有「第 1 页 共 20 页」「教材《机械设计》习题整理」这类重复行。def clean_text(text: str) - str: text re.sub(r第\s*\d\s*页\s*共\s*\d\s*页, , text) # 页码 text re.sub(r[ \u3000\t], , text) # 空白归一 text re.sub(r\n{3,}, \n\n, text) # 压缩空行 return text.strip()页码正则第\s*\d\s*页\s*共\s*\d\s*页能匹配数字中间插空格的各种写法空白归一那行把全角空格、制表符统一成半角空格但注意不要用\s替代因为\s会连换行一起吃掉。压缩空行用\n{3,}匹配三个以上连续换行替换成两个给题目之间保留一个空行做边界。4.5 写入 JSON 题库解析结果落盘成 JSON字段名和结构建议稳定一点后面写自测工具直接复用import json questions [] for m in pattern.finditer(text): questions.append({ no: m.group(no), content: .join(m.group(content).split()), options: .join(m.group(options).split()), answer: m.group(answer).upper(), }) with open(questions.json, w, encodingutf-8) as f: json.dump(questions, f, ensure_asciiFalse, indent2) print(f共提取 {len(questions)} 道题) .join(m.group(content).split())把字符串按任意空白切分再重新拼接连空格都会统一成单个半角空格比正则替换更省事answer.upper()把小写 a 转成 A兼容两种写法ensure_asciiFalse让中文字符直接以原文写入文件而不是\uXXXX转义方便直接用编辑器打开检查indent2让每道题换行显示diff 或者人工校对时更友好。如果匹配出的题目数量和 doc 里实际数量差距较大优先怀疑两个地方一是答案行格式不是「答案X」而是「参考答案X」或「【答案】X」需要把这几个变体加进正则二是选项分隔符不是字母加点而是字母加右括号比如A)要在[\.、:]里补充\)。5. 把题库做成自测工具分离答案、随机抽题与错题重做5.1 先分离答案再做模拟考试题库入库以后最简单的自测方式是「随机抽 N 题先不显示答案」。这里的关键技巧是答案文件与题目文件分离练习时只读questions.json对完答案后把结果写进错题文件。这样能保证每次练习都是「盲做」和翻 doc 时不小心瞟到答案完全是两种复习效果。5.2 随机抽题脚本与错题追加import json import random from pathlib import Path with open(questions.json, encodingutf-8) as f: questions json.load(f) wrong_file Path(wrong.txt) wrong_ids set() if wrong_file.exists(): wrong_ids {line.strip() for line in wrong_file.read_text(encodingutf-8).splitlines() if line.strip()} pool [q for q in questions if q[no] in wrong_ids] if wrong_ids else questions sample random.sample(pool, min(20, len(pool))) score 0 for i, q in enumerate(sample, 1): print(f{i}. {q[content]}) print(q[options].replace(;, \n)) user input(你的答案).strip().upper() if user q[answer]: score 1 else: print(f正确答案{q[answer]}) with wrong_file.open(a, encodingutf-8) as f: f.write(q[no] \n) print(f得分{score}/{len(sample)})逻辑说明wrong_ids是一个集合去重后用来过滤题目pool的选法很关键——如果wrong_ids非空就只在错题里抽否则全量抽。这样复习到后期每次练习都集中在薄弱题上而不是把会的题再刷三遍。random.sample(pool, min(20, len(pool)))里的min是兜底错题不足 20 道时不会因为样本数不够抛异常。一个补充细节input(你的答案).strip().upper()把用户输入统一转大写b和B都能被正确比对同时也去掉了误敲的空格。5.3 验证脚本正确性的最小步骤新写的脚本不要直接对着完整题库跑先用 5 题小样本验证。做法很简单临时把 JSON 文件里题目数改成前 5 道或者直接用questions[:5]切片跑一遍。再做一个语法检查python -m py_compile self_test.pypy_compile只做语法检查不执行代码能快速发现缩进错误、括号不配对这类基础问题。等确认抽题、比对、写错题三个环节都正常再放开全量题库。复习时把知识点当成接口把计算过程当成函数——先确定输入参数材料、载荷、安全系数再按步骤执行最后把返回值跟标准答案比对。参数错了返回值不可能对返回值对了但步骤丢了分数照样走。如果哪天题目格式变了优先改pattern里的分隔符集合和答案行变体抽题、比对、错题追加这四个环节都不用动。本文还有配套的精品资源点击获取
用Python将机械设计考试题doc转化为可自测题库
简介机械设计考试真题与答案解析汇总文档主要面向机械类本科生、考研备考生及需要复习机械设计基础的从业者。内容覆盖齿轮接触与弯曲疲劳强度计算、螺纹连接防松、联轴器与离合器区别、链传动动载荷控制等高频考点还涉及阿基米德蜗杆轴面参数、V带传动限制小带轮直径、双平键相隔120°布置、含油轴承采用粉末冶金等易混淆知识并附有典型简答题、选择题与分析题便于读者检验掌握程度。文档为1个doc文件压缩包大小1.13MB简洁便携适合在学习或备考场景中直接打开查看。已有83人学习/下载说明其内容具有一定参考价值。通过学习这份文档读者可系统梳理闭式软齿面传动设计准则、螺栓联接选用、滚动轴承疲劳寿命计算等核心知识也能对照考题解析加深对易混概念的理解提升解题与应试能力。1. 机械设计考试题及答案汇总doc 文件为什么值得拆开用绝大多数人网盘里都躺着一个「机械设计考试题及答案汇总--.doc」下载时如获至宝打开后两分钟关闭。原因不复杂几百道题和答案混排在一起今天做完明天想重做只能滚动翻页按章节复习时又没人告诉你哪块高频、哪块冷门。这篇内容把机械设计的考点权重拆开讲清楚再给出一套能把这份 doc 变成结构化题库的完整技术链路老格式 doc 的解析、题目文本的正则提取、JSON 题库落盘以及一个能随机抽题和错题重练的自测工具。适合机械设计制造、机电一体化方向的在校生也适合想用 Python 把历史课件盘活成复习系统的工程师。2. 考点先行机械设计考试高频知识点与题目自动打标机械设计课程的考纲再怎么变计算题都稳定落在四个位置螺纹连接强度、齿轮接触与弯曲疲劳、轴的弯扭合成、滚动轴承寿命计算。概念题则集中在键连接工作面、联轴器选型、摩擦与润滑这几个方向上。复习时先给知识点排优先级再看 doc 里的题感觉完全不同。2.1 五类必考模块与它们的典型题型考点模块高频题型典型提问方式核心公式/查表螺栓连接计算题/概念题计算螺栓危险截面直径预紧力与残余预紧力的关系d1√(4F/(π[σ]))齿轮传动计算题/判断题齿面接触疲劳与齿根弯曲疲劳的失效位置σH 与 σF 的修正ZE、YFa、YSa 系数轴的设计计算题/改错图按弯扭合成强度求最小轴径指出轴系结构错误折合系数 α滚动轴承计算题/选型当量动载荷 P 的求解寿命 L10 的计算L10(C/P)^ε键与联轴器概念题/简答题平键的工作面是哪个面联轴器与离合器的区别挤压强度条件这张表的作用是帮你做减法。拿到题库后先按模块把题分堆计算题四板斧优先概念题放到碎片时间背比从头到尾刷几百道题有效得多。2.2 用 Python 给题目打知识点标签题目文本读出来以后第一个实用操作是自动打标签。做法不复杂每个考点维护一组关键词子串匹配命中就归类。识别率足够考试复习用没必要上分类模型。import re def normalize(text: str) - str: # 去全角空格和制表符统一为半角空格避免关键词匹配失败 return re.sub(r[ \u3000\t], , text) def tag_question(content: str) - list[str]: tag_map { 螺栓: [螺栓, 螺纹, 预紧力, 防松, 残余预紧力], 齿轮: [齿轮, 模数, 齿面接触, 齿根弯曲, 啮合], 轴: [转轴, 心轴, 传动轴, 弯扭, 轴径], 轴承: [轴承, 当量动载荷, 寿命, 滚动体], 键: [平键, 键连接, 工作面, 挤压], 联轴器: [联轴器, 离合器, 对中], } text normalize(content) tags [] for tag, keywords in tag_map.items(): if any(kw in text for kw in keywords): tags.append(tag) return tagsnormalize里的正则[ \u3000\t]匹配半角空格、全角空格和制表符统一压缩成一个半角空格tag_question用any(kw in text for kw in keywords)做逻辑或只要命中一个关键词就认为这题属于该模块。因为子串匹配是按字符走的所以关键词不要写「轴的强度」这种带结构的短语写成「弯扭」「轴径」这种离散片段更稳妥。打标签有两个实际用途一是复习时按模块刷题比如只抽「螺栓」相关的题二是统计权重算出这份 doc 里哪个模块题量最大和教材重点互相印证。一个复习周期里按「计算题四板斧优先、概念题碎片时间背」的节奏走比从第一题做到最后一题有效得多。2.3 为什么「答案汇总」不能只背结果考试题里计算题是大头而计算题看的是步骤和参数来源。比如普通螺栓抗拉强度计算危险截面的面积用的是螺纹小径 d1 对应的截面积不是公称直径 d这个区别如果只背「结果等于 8.376mm」是记不住的。概念题也一样「平键的工作面是两侧面」这句话答案只给了「两侧面」但考试如果问「上下面有效吗」必须知道是因为间隙配合才不参与传递转矩。所以处理这份 doc 的正确策略是把答案当作校验函数而不是背诵材料。做题时遮住答案把计算过程和结论写在纸上再和 doc 里的标准答案对照。遇到参数取值不一致比如安全系数 S 取 1.3 还是 1.5去翻教材的表格而不是改自己的过程去迎合答案。3. 解析 .doc 老格式从 OLE2 到 python-docx 的完整链路3.1 先分清 .doc 和 .docx别让 python-docx 白报错文件名带.doc的老文档内部结构是 OLE2 复合文档一种二进制容器格式.docx则是 ZIP 压缩包里面是若干 XML 文件。python-docx 只能读 .docx直接给它传 .doc 会抛PackageNotFoundError或直接读出一堆乱码。所以拿到「机械设计考试题及答案汇总--.doc」的第一步不是写代码而是先把文件转成 docx 或者抽出纯文本。3.2 方案 ALibreOffice headless 批量转 docxLibreOffice 是跨平台的办公套件支持命令行转换而且对老 .doc 文件的兼容性比大多数工具都好。转换命令# 单文件转换输出到当前目录 soffice --headless --convert-to docx:MS Word 2007 XML 机械设计考试题汇总.doc # 批量转换把目录下所有 .doc 转到 converted 子目录 soffice --headless --convert-to docx --outdir converted *.doc参数说明--headless不打开图形界面适合服务器或命令行环境--convert-to后接目标格式:MS Word 2007 XML是明确指定 Filter 名写docx也可以但写全名能避免个别发行版识别歧义--outdir指定输出目录不加就输出在当前目录。macOS 下命令通常是sofficeLinux 有些发行版安装后叫libreoffice。如果命令找不到先which soffice定位。转换后要注意一个坑LibreOffice 会把分页符转换成大量空段落。读出来的文本里会有若干连续空行需要在清洗阶段用re.sub(r\n{3,}, \n\n, text)压回去否则后面正则匹配题目内容时容易误判边界。3.3 方案 Bantiword 直接抽纯文本有些机器上没装 LibreOffice或者只是想快速预览内容用 antiword 更快。antiword 专门解析老 .doc 格式体积小输出纯文本但缺点也很明确表格结构、图片、公式全部丢失。# 指定 UTF-8 映射避免中文乱码 antiword -m UTF-8.txt 机械设计考试题汇总.doc output.txt-m参数指定字符映射文件UTF-8.txt是 antiword 自带的映射文件名。处理中文 doc 时不加这个参数输出通常是乱码因为老 doc 内部多使用 GBK/GB2312 编码。映射文件的具体路径在不同的 Linux 发行版里不一样如果 antiword 报找不到映射文件用dpkg -L antiword或rpm -ql antiword查一下安装目录再把绝对路径填进去。3.4 两种方案怎么选题目在普通段落里antiword 就够如果 doc 里是表格排版比如每行一个题目、右侧是答案就必须走 LibreOffice 转 docx 的路线因为表格结构在 antiword 输出里会丢失列对齐题干和选项混在同一行后期正则很难拆。我一般优先用 LibreOffice因为很多老资料是表格排版。3.5 用 python-docx 读取转换后的文件转换完成后用 python-docx 读取。考试资料有个特点很多题目放在表格单元格里而不是普通段落所以遍历时不能只看paragraphs还要看tables。from docx import Document doc Document(机械设计考试题汇总.docx) print( 段落 ) for para in doc.paragraphs: text para.text.strip() if text: print(text) print( 表格 ) for idx, table in enumerate(doc.tables): print(f--- 表格 {idx 1} ---) for row in table.rows: cells [cell.text.replace(\n, ) for cell in row.cells] print( | .join(cells))strip()去掉段落首尾空白避免空段落干扰cell.text.replace(\n, )把单元格内部的换行替换成空格这样一行就是一道完整题目。如果文档里既有段落又有表格建议先按「段落 表格」整体打印一遍肉眼判断题目主体在哪部分再决定后续提取逻辑。4. 用正则把题目结构化题干、选项、答案一步入库4.1 先观察文档的三种题目排版考试资料在 doc 里的排版基本逃不出三种。最易自动化的是「题号题干选项答案X」的结构每个字段都有明确边界。其次是选项分行排列A 一行、B 一行这种用正则处理时需要让选项组能跨行匹配。最麻烦的是答案集中在文末题干里没有任何答案痕迹必须先把题目切块再用题号把两边对齐。举例来说常见的一段文本长这样1. 在普通螺栓连接的强度计算中螺纹部分的危险截面面积按 计算。 A. 外径 B. 中径 C. 内径 D. 牙底直径 答案C 2. 受横向载荷的普通螺栓连接其强度计算按 进行。 A. 剪切强度 B. 挤压强度 C. 拉伸强度 D. 弯曲强度 答案C4.2 正则提取题干、选项、答案import re pattern re.compile( r(?Pno\d)[\.、]\s* # 题号1. 或 1、 r(?Pcontent.*?) # 题干非贪婪匹配 r(?Poptions(?:[A-D][\.、:]\s*.*?)?) r答案[:]\s* r(?Panswer[A-Da-d]), # 答案字母 re.S # 让 . 匹配换行 )几个参数值得细说。re.S是必须的题干或选项可能跨行.默认不匹配换行加了re.S后才能跨行匹配(?Pcontent.*?)里的*?是非贪婪表示尽量少匹配这样在遇到第一个选项字母时就停下来不会把选项吞进题干[A-D][\.、:]兼容 A. A、AA: A几种分隔符变体。no组用[\.、]兼容「1.」和「1、」两种常见题号写法。这里要提醒一个容易踩的坑有些 doc 里选项是换行排列的上面正则把\s*放在选项开头换行符也能被匹配掉所以这种排版也能处理。但如果选项被截断把?改成再观察命中情况。4.3 题文分离时的答案对齐如果题目文本里没有「答案X」而是每一节末尾集中列答案正则就拆不了。处理方法是两步走先用题号切出题干块再单独读答案页。import re, json blocks re.split(r(?\b\d[\.、]), text) # 在题号前切分 answer_text re.sub(r答案[:]?, , answers_page) answers re.findall(r(\d)[\.、]?\s*([A-Da-d]), answer_text) answer_map {int(no): ans.upper() for no, ans in answers} for block in blocks: m re.match(r(\d)[\.、], block) if m and int(m.group(1)) in answer_map: questions.append({no: m.group(1), content: block, answer: answer_map[int(m.group(1))]})(?\b\d[\.、])是零宽正向断言只在题号前的位置切分不消耗字符所以切出来的每块第一行还是原来的题号。答案页按「题号 字母」提取后构造成字典最后用题号去查。两侧题号数量不一致时answer_map.get(m.group(1))返回 None写 JSON 前过滤掉这些题即可。4.4 清洗噪声文本页码、页眉、全角符号正则匹配之前先做一轮清洗否则页眉、页码、页脚会混进 content 组。常见的噪声有「第 1 页 共 20 页」「教材《机械设计》习题整理」这类重复行。def clean_text(text: str) - str: text re.sub(r第\s*\d\s*页\s*共\s*\d\s*页, , text) # 页码 text re.sub(r[ \u3000\t], , text) # 空白归一 text re.sub(r\n{3,}, \n\n, text) # 压缩空行 return text.strip()页码正则第\s*\d\s*页\s*共\s*\d\s*页能匹配数字中间插空格的各种写法空白归一那行把全角空格、制表符统一成半角空格但注意不要用\s替代因为\s会连换行一起吃掉。压缩空行用\n{3,}匹配三个以上连续换行替换成两个给题目之间保留一个空行做边界。4.5 写入 JSON 题库解析结果落盘成 JSON字段名和结构建议稳定一点后面写自测工具直接复用import json questions [] for m in pattern.finditer(text): questions.append({ no: m.group(no), content: .join(m.group(content).split()), options: .join(m.group(options).split()), answer: m.group(answer).upper(), }) with open(questions.json, w, encodingutf-8) as f: json.dump(questions, f, ensure_asciiFalse, indent2) print(f共提取 {len(questions)} 道题) .join(m.group(content).split())把字符串按任意空白切分再重新拼接连空格都会统一成单个半角空格比正则替换更省事answer.upper()把小写 a 转成 A兼容两种写法ensure_asciiFalse让中文字符直接以原文写入文件而不是\uXXXX转义方便直接用编辑器打开检查indent2让每道题换行显示diff 或者人工校对时更友好。如果匹配出的题目数量和 doc 里实际数量差距较大优先怀疑两个地方一是答案行格式不是「答案X」而是「参考答案X」或「【答案】X」需要把这几个变体加进正则二是选项分隔符不是字母加点而是字母加右括号比如A)要在[\.、:]里补充\)。5. 把题库做成自测工具分离答案、随机抽题与错题重做5.1 先分离答案再做模拟考试题库入库以后最简单的自测方式是「随机抽 N 题先不显示答案」。这里的关键技巧是答案文件与题目文件分离练习时只读questions.json对完答案后把结果写进错题文件。这样能保证每次练习都是「盲做」和翻 doc 时不小心瞟到答案完全是两种复习效果。5.2 随机抽题脚本与错题追加import json import random from pathlib import Path with open(questions.json, encodingutf-8) as f: questions json.load(f) wrong_file Path(wrong.txt) wrong_ids set() if wrong_file.exists(): wrong_ids {line.strip() for line in wrong_file.read_text(encodingutf-8).splitlines() if line.strip()} pool [q for q in questions if q[no] in wrong_ids] if wrong_ids else questions sample random.sample(pool, min(20, len(pool))) score 0 for i, q in enumerate(sample, 1): print(f{i}. {q[content]}) print(q[options].replace(;, \n)) user input(你的答案).strip().upper() if user q[answer]: score 1 else: print(f正确答案{q[answer]}) with wrong_file.open(a, encodingutf-8) as f: f.write(q[no] \n) print(f得分{score}/{len(sample)})逻辑说明wrong_ids是一个集合去重后用来过滤题目pool的选法很关键——如果wrong_ids非空就只在错题里抽否则全量抽。这样复习到后期每次练习都集中在薄弱题上而不是把会的题再刷三遍。random.sample(pool, min(20, len(pool)))里的min是兜底错题不足 20 道时不会因为样本数不够抛异常。一个补充细节input(你的答案).strip().upper()把用户输入统一转大写b和B都能被正确比对同时也去掉了误敲的空格。5.3 验证脚本正确性的最小步骤新写的脚本不要直接对着完整题库跑先用 5 题小样本验证。做法很简单临时把 JSON 文件里题目数改成前 5 道或者直接用questions[:5]切片跑一遍。再做一个语法检查python -m py_compile self_test.pypy_compile只做语法检查不执行代码能快速发现缩进错误、括号不配对这类基础问题。等确认抽题、比对、写错题三个环节都正常再放开全量题库。复习时把知识点当成接口把计算过程当成函数——先确定输入参数材料、载荷、安全系数再按步骤执行最后把返回值跟标准答案比对。参数错了返回值不可能对返回值对了但步骤丢了分数照样走。如果哪天题目格式变了优先改pattern里的分隔符集合和答案行变体抽题、比对、错题追加这四个环节都不用动。本文还有配套的精品资源点击获取 
