采购法 PDF 题库变成不靠题序记忆的练习网站

做这个项目，是因为老婆报名了采购法资格考试。

直接照着 PDF 题库练习几次，很容易连题目顺序和答案一起记住。下一页还没翻，答案已经先浮出来。这种熟悉感无法分辨记住的是题目内容，还是答案在 PDF 里的位置。

要解的问题是：怎么把固定题库改造成每轮顺序不同、还能留下弱项的练习？

题序一洗牌，熟悉感就不能代替理解。

这是一套把官方题库变成练习记录的 Web App

gpa-question-webapp 是一套政府采购法题库练习网站。本文检查的版本是 commit b29fe3f。项目声明的版本是 0.1.0，需要 Python 3.11 以上，并使用 FastAPI、SQLAlchemy、Jinja2、pdfplumber 与 python-docx。这些信息都写在 pyproject.toml。项目采用 MIT License。

它接手已下载到本地的官方 PDF 或 DOCX，通过 parse_command 将题目写进数据库。浏览器端的路由覆盖随机练习、立即对答案、单次成绩与跨练习弱项统计，入口集中在 src/api/main.py。

整体架构有两条数据路径。上半部把手动下载的官方题库交给 CLI，解析后写进 PostgreSQL；下半部由浏览器界面调用 FastAPI，读写题目、session 与作答记录。

架构图依据 commit b29fe3f 绘制；打开交互版。

数据怎么从 PDF 走到一道可作答的题目

第一段是导入。CLI 扫描输入目录中的 .pdf 和 .docx，再依扩展名交给对应解析器。若没有指定类别，文件名开头的 1 到 13 会被当成类别编号。实现可见 src/ingestion/cli.py。

PDF 解析器先用“是非题”与“选择题”切段，再用正则表达式辨识题号及答案。选择题答案 1 到 4 会转成 A 到 D。实际规则写在 src/ingestion/pdf_parser.py。

MC_QUESTION_START = re.compile(r"^\s*(\d+)\s+([1-4])\s+(.+)")
TF_QUESTION_START = re.compile(r"^\s*(\d+)\s+([OX])\s+(.+)")
ANSWER_NUM_TO_LETTER = {"1": "A", "2": "B", "3": "C", "4": "D"}

第二段是去重与更新。每题的 source_hash 由类别、题型和题目文字符串接后计算 SHA-256。再次导入时，相同哈希会更新答案、选项或法规出处；来源里消失的题目则标上 deleted_at。完整流程在 src/ingestion/base.py。

@property
def source_hash(self) -> str:
    raw = f"{self.category_id}|{self.question_type}|{self.question_text}"
    return hashlib.sha256(raw.encode("utf-8")).hexdigest()

第三段才是练习。create_session 用 func.random() 打乱符合类别与题型的题目，再依要求的题数截取。初次取得的 QuestionResponse 没有正确答案字段。提交答案后，submit_answer 才在服务器比对答案、记录结果并返回正解。

弱项不是猜的，是按类别累积出来

这里最需要确认的是“跨练习弱项”到底算了什么。

get_weakness 先用 anonymous_id 找出练习记录，再把所有作答依题目类别分组。各类别的正确率是答对笔数除以总作答笔数，结果按正确率由低到高排列。前端再筛出低于 80% 的类别，最多取五类组成“针对弱项练习”按钮，判断逻辑位于 src/templates/weakness.html。

const weakCats = data.categories.filter(c => c.percentage < 80).slice(0, 5);
const weakIds = weakCats.map(c => c.category_id).join(',');

所以这个判定有明确分母、门槛与排序方式。它算的是各类别历次作答的累积正确率，不是能力测验模型，也不会替近期成绩加权。同一题做过多次，每次作答都会进入统计。这些界线来自 SessionAnswer.id 的笔数汇总方式，不是 README 对功能的自我描述。

方便的代价是格式耦合与匿名识别

题库解析器直接依赖官方文档的布局文字与答案格式。只要段落标题不再是“是非题”或“选择题”，或选择题不再使用 1 到 4，现有规则就无法照原方式辨识。这项维护成本可从 _split_sections 与两个题型解析函数直接看出来。

运行环境也不是单一静态网页。docker-compose.yml 会启动应用程序与 PostgreSQL 16，并用 pgdata volume 保存数据。如果练习记录需要在磁盘故障后恢复，部署时还要另外安排备份。

目前的跨练习识别使用浏览器 localStorage 里的 gpa_anonymous_id，前端把它放进 /api/weakness 查询参数。这段流程写在 src/templates/weakness.html。对应路由只接收 anonymous_id，没有账号验证依赖。这对家用工具很省事，但它不是存放正式测验成绩的权限设计。

适合家用练习，不适合直接当正式考试系统

如果题库来源固定、用户范围明确，需求是打乱题序并找出常错类别，这个项目已经把必要流程接起来。题库有变动时，upsert_questions 也能更新、保留或软删除现有题目，不必每次清空数据库。

如果要公开提供多人使用，还需要先处理账号、授权、数据隔离与备份策略。若题库布局经常改动，也要替解析器准备失败报告与新格式测试。现有代码适合自用练习工具，不能直接视为正式考试平台。

先跑测试，再接自己的题库

先确认依赖、CLI 入口与核心行为，再处理官方题库文件。以下命令已在 macOS、Python 3.14.2、uv 0.9.17 上实际运行。

git clone https://github.com/7a6ac0/gpa-question-webapp.git
cd gpa-question-webapp
uv sync --extra dev
uv run python -m src.ingestion.cli --help
uv run pytest -q

实测结果为 34 passed in 1.05s，CLI 也列出了 parse 子命令。这只确认目前 commit 的安装与测试可以完成，不代表任何版本的官方 PDF 都能成功解析。下一步可从公共工程委员会题库页面下载一个类别的文件，放进 data/，再依项目 README 的导入命令处理。

真正有用的是留下可回头查的练习记录

上面的可查证内容只能确认功能确实存在，而我仍判断这个项目的价值在于完成一个复习循环，文中证据无法证明它会提高考试成绩。

固定 PDF 能提供题目和答案，网站则把每次答题留成数据。随机组卷切断题序提示，类别统计指出下一轮该练哪里。对这个家庭需求而言，技术选型只是手段，能持续完成“作答、发现弱项、再练一次”才是成品。

把第一份题库跑通

开头的问题是：怎么把固定题库改造成每轮顺序不同、还能留下弱项的练习？

这个项目的答案很具体。解析器把 PDF 变成可查询的题目，session 每次重新抽题，作答记录再按类别累积。它处理的是固定题序造成的熟悉感，适用范围是自用或小范围练习，不包含正式测验需要的权限与管理机制。

最小的下一步是 clone 项目并跑完测试。确认本地环境正常后，再拿一份官方题库验证解析结果。

延伸阅读

• gpa-question-webapp 源代码：可直接对照本文提到的导入、作答与弱项统计实现。
• 公共工程委员会采购专业人员题库：取得这个项目实际处理的官方题库来源。
• FastAPI 官方文档：理解路由、响应模型与依赖注入的用法。
• SQLAlchemy 2.0 文档：查阅 session、查询与 ORM 关联的正式说明。