文章

采购法 PDF 题库变成不靠题序记忆的练习网站

用 Python 与 FastAPI 把政府采购法的官方 PDF 题库做成练习网站。本文说明怎么解析题目、每轮随机出题,以及用跨练习统计找出弱项。

采购法 PDF 题库变成不靠题序记忆的练习网站

我做这个项目,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。这种熟悉感让人分不清,记住的是题目内容,还是答案在 PDF 里的位置。

所以我要把固定题库改造成每轮顺序不同、还能留下弱项记录的练习。

左侧照固定题序能预告答案,右侧题序洗牌后显示理解度重新加载中 题序一洗牌,熟悉感就不能代替理解。

本文检查的版本是 commit b29fe3f。pyproject.toml 声明的包版本是 0.1.0,需要 Python 3.11 以上。

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。它使用 FastAPI、SQLAlchemy、Jinja2、pdfplumber 与 python-docx,采用 MIT License。

它有两条数据路径。导入时,parse_command 读取已下载到本地的官方 PDF 或 DOCX,把题目写进 PostgreSQL。练习时,浏览器界面调用 FastAPI,读写题目、session 与作答记录。

官方题库经本地文件与导入 CLI 写入 PostgreSQL,浏览器则经界面和 FastAPI 读写练习数据 架构图依据 commit b29fe3f 绘制;打开交互版。

浏览器端的路由集中在 src/api/main.py,提供四项功能:

  • 随机练习
  • 立即对答案
  • 单次成绩
  • 跨练习的弱项统计

数据怎么从 PDF 走到一道可作答的题目

第一段是导入。CLI 扫描输入目录里的 .pdf 和 .docx,依扩展名交给对应的解析器。没有指定类别时,文件名开头的 1 到 13 会被当成类别编号,实现见 src/ingestion/cli.py。

PDF 解析器先用“是非题”与“选择题”切段,再用正则表达式识别题号和答案。选择题的答案 1 到 4 会转成 A 到 D。规则写在 src/ingestion/pdf_parser.py:

1
2
3
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,是把类别、题型和题目文字拼接后算出的 SHA-256:

1
2
3
4
@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()

再次导入时,哈希相同的题目会更新答案、选项或法规出处。来源里已经消失的题目,会标上 deleted_at。完整流程在 src/ingestion/base.py。

第三段才是练习。题目发到浏览器时不带正解,答案由服务器比对:

sequenceDiagram
  participant B as 浏览器
  participant API as FastAPI
  participant DB as PostgreSQL
  B->>API: 创建练习,指定类别、题型、题数
  API->>DB: 以 func.random 打乱后截取
  API-->>B: 题目,不含正解
  B->>API: 提交答案
  API->>DB: 比对答案并记录结果
  API-->>B: 返回正解

抽题在 create_session,它用 func.random() 打乱符合条件的题目。第一次拿到的 QuestionResponse 没有正确答案字段,比对在 submit_answer。

弱项不是猜的,是按类别累积出来

这里我认为最需要确认的是“跨练习弱项”到底算了什么。

“跨练习弱项”算的是各类别的累积正确率,分母、门槛与排序方式都很明确:

flowchart TD
  A[依 anonymous_id 找练习记录] --> B[作答依题目类别分组]
  B --> C["正确率 = 答对笔数 ÷ 作答笔数"]
  C --> D[由低到高排序]
  D --> E[前端筛出低于 80% 的类别]
  E --> F[最多取五类]
  F --> G[“针对弱项练习”按钮]

后端的 get_weakness 算到排序为止。80% 的门槛与最多取五类,判断写在前端的 src/templates/weakness.html:

1
2
const weakCats = data.categories.filter(c => c.percentage < 80).slice(0, 5);
const weakIds = weakCats.map(c => c.category_id).join(',');

它不是能力测验模型,也不会替近期成绩加权。同一题做过多次,每次作答都会算进统计。这些界线是我从 SessionAnswer.id 的笔数汇总方式看出来的,不是来自 README 对功能的描述。

方便的代价是格式耦合与匿名识别

解析器直接依赖官方文档的布局文字与答案格式。段落标题不再是“是非题”或“选择题”,或选择题不再用 1 到 4,现有规则就认不出题目。这项维护成本,从 _split_sections 与两个题型解析函数就看得出来。

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,数据存在 pgdata volume。练习记录若要能在磁盘故障后恢复,部署时得另外安排备份。

跨练习的身份只靠浏览器 localStorage 里的 gpa_anonymous_id。前端把它放进 /api/weakness 的查询参数,流程写在 src/templates/weakness.html。对应的路由只接收 anonymous_id,没有账号验证依赖。

我觉得这对家用工具很省事,但不是存放正式测验成绩该有的权限设计。

适合家用练习,不适合直接当正式考试系统

题库来源固定、用户范围明确,需求只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。题库变动时,upsert_questions 能更新、保留或软删除现有题目,不必每次清空数据库。

要公开给多人使用,得先处理账号、授权、数据隔离与备份策略。题库布局若经常改动,还要替解析器准备失败报告与新格式测试。在我看来,现有代码适合当自用练习工具,不能直接当成正式考试平台。

先跑测试,再接自己的题库

先确认依赖、CLI 入口与核心行为都正常,再处理官方题库文件。下面的命令我在 macOS、Python 3.14.2、uv 0.9.17 上实际运行过:

1
2
3
4
5
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

我实测的结果是 34 passed in 1.05s,CLI 也列出了 parse 子命令。这只确认目前的 commit 能安装、测试能通过,不代表每个版本的官方 PDF 都能成功解析。

接着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,验证解析结果。

真正有用的是留下可回头查的练习记录

上面查证的内容只能确认功能存在,无法证明它会提高考试成绩。我仍判断这个项目的价值在于补上一个复习循环。

固定的 PDF 只提供题目和答案,网站则把每次作答留成数据。随机组卷切断题序提示,类别统计指出下一轮该练哪里。对我家的需求来说,技术选型只是手段,能一直重复“作答、发现弱项、再练一次”才是成品。

延伸阅读

本文由作者按照 CC BY 4.0 进行授权