Home Explore Help
Register Sign In
HJ-AI
/
new_tiku_structure_2021
3
0
Fork 0
Files Issues 0 Pull Requests 0 Wiki
Branch: master
Branches Tags
new_tiku_str...
/
utils
/
equation_extract.py

equation_extract.py 24 KB
Permalink History Raw

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327 
  1. #!/usr/bin/env/python
    2. 

  2. # -*- coding:utf-8 -*-
    3. 

  3. 

  4. """"
    5. 

  5. 公式提取及整合==>加$$
    6. 

  6. """
    7. 

  7. 

  8. import re
    9. 

  9. 

  10. 

  11. def get_equation_str(item):
    12. 

  12.     """
    13. 

  13.     1.存在公式字符串与选项一起的情况，此时，先提取选项，再公式比较好
    14. 

  14.     2.先把题号去掉
    15. 

  15.     3.对逗号进一步判断是否继续拆
    16. 

  16.     4.故选：A-F 最好不要划分为公式
    17. 

  17.     :param item:
    18. 

  18.     :return:
    19. 

  19.     """
    20. 

  20.     item = re.sub(r">", '>', str(item))
    21. 

  21.     item = re.sub(r"&lt;", '<', item)
    22. 

  22.     pattern1 = re.compile(
    23. 

  23.         r"([\da-zA-Z!\"'(*+\-\[{|#%\\＞＜≤≥≡≦≧＋－≈≠﹢﹣±㏒㏑∑∏><=＝×÷（△∆⊙⌒∈∩∉∪⊕∥∣≌∽∧⊥∫∬∮∯∅≮≯∁Ω→°•"
    24. 

  24.         r"ΑΒΓΔΕΖΗΘΙΚΛΜΝΞΟΠΡΣΤΥΦΧΨαβγδεζνξοπρσηθικλτυφχψωμＧｇｍｓｔ]"
    25. 

  25.         r"([\da-zA-Z!\"&'()*+,，\-.．/:;?\[\]{}|#%~^_`、､\\＞＜≤≥≡≦≧＋－≈≠﹢﹣±㏒㏑∑∏><=＝×÷（）△∆⊙⌒∈∩∉∪⊕∥∣≌∽∧⊥∫∬∮∯∅≮≯∁Ω→°•′～·"
    26. 

  26.         r"ΑΒΓΔΕΖΗΘΙΚΛΜΝΞΟΠΡΣΤΥΦΧΨαβγδεζνξοπρσηθικλτυφχψωμＧｇｍｓｔ／∶∝]"
    27. 

  27.         r"|\s|\n)+)")
    28. 

  28.     pattern2 = re.compile("([!\"&'()*+,，\-.．/:;?\[\]{}|#%~^_`、､]|\s|\n)")
    29. 

  29. 

  30.     if re.search("<sub>\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?</sub>|\\text\s*{\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?\}", str(item)):
    31. 

  31.         pattern1 = re.compile(
    32. 

  32.             r"([\da-zA-Z!\"'(*+\-\[{|#%\\＞＜≤≥≡≦≧＋－≈≠﹢﹣±㏒㏑∑∏><=＝×÷（△∆⊙⌒∈∩∉∪⊕∥∣≌∽∧⊥∫∬∮∯∅≮≯∁Ω→°•"
    33. 

  33.             r"ΑΒΓΔΕΖΗΘΙΚΛΜΝΞΟΠΡΣΤΥΦΧΨαβγδεζνξοπρσηθικλτυφχψωμＧｇｍｓｔ]"
    34. 

  34.             r"(<sub>\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?</sub>"  # add
    35. 

  35.             r"|[\da-zA-Z!\"&'()*+,，\-.．/:;?\[\]{}|#%~^_`、､\\＞＜≤≥≡≦≧＋－≈≠﹢﹣±㏒㏑∑∏><=＝×÷（）△∆⊙⌒∈∩∉∪⊕∥∣≌∽∧⊥∫∬∮∯∅≮≯∁Ω→°•′～·"
    36. 

  36.             r"ΑΒΓΔΕΖΗΘΙΚΛΜΝΞΟΠΡΣΤΥΦΧΨαβγδεζνξοπρσηθικλτυφχψωμＧｇｍｓｔ／∶∝]"
    37. 

  37.             r"|\s|\n)+)")
    38. 

  38. 

  39.     all_equa = [y[0] for y in re.findall(pattern1, str(item))]
    40. 

  40.     print("all_equa:", all_equa)
    41. 

  41.     right_equa = []
    42. 

  42.     for i in all_equa:
    43. 

  43.         if re.sub(pattern2, "", i):
    44. 

  44.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､]|^([1-9]|[1-5][0-9])\s*[.．]$|^[)）]?\s*[（(][\s\d]+[)）]", "", i)
    45. 

  45.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､.．]\s*([（(]\d*)?$", "", i)
    46. 

  46.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､.．]\s*[（(][\s\d]+[)）]", "", i)
    47. 

  47.             i = re.sub("[(\[{、､.．,，（∶]+$", "", i)
    48. 

  48.             i = re.sub("^https?://.+?$|^www\..+?$", "", i)
    49. 

  49.             i = re.sub("^[)）]?\s*[（(][\s\w]*[)）]", "", i)
    50. 

  50.             i = re.sub("^\d+[)）]|^[（(]\d+$", "", i)
    51. 

  51.             i = re.sub("(\u3000)+\s*$|^\s*(\u3000)+", "", i)
    52. 

  52.             i = re.sub("\u3000", " ", i)
    53. 

  53.             i = re.sub(r"^\s*([1-9]|[1-5][0-9])\s*[.．、､]\s*[A-Z]{1,3}\s*$", "", i)
    54. 

  54.             i = re.sub(r"^\s*([1-9]|[1-5][0-9])\s*[.．、､]\s*([^\d])", r"\2", i)
    55. 

  55.             i = re.sub(r"^\s*[a-z][-－][a-z]\s*$", '', i)
    56. 

  56.             i = re.sub(r"^\s*<[a-z]+/?>\s*$", '', i)
    57. 

  57.             i = re.sub(r"^([^（(]+?)[)）]$|^([^{]+?)\}$|^([^\[]+?)\]$", r'\1', i)
    58. 

  58.             i = re.sub(r"^[（(]([^)）]+?$)|^{([^\}]+?$)|^\[([^\]]+?$)", r'\1', i)
    59. 

  59.             def deal(yy):
    60. 

  60.                 return yy.group(1).replace("，", "、").replace(",", "、")
    61. 

  61.             i = re.sub(r"^(([A-Z]\s*[，,])+[A-Z])$", deal, i)
    62. 

  62. 

  63.             i = re.sub(r"^(\d+|\d+·\d+)$", "", i)
    64. 

  64.             i = re.sub(r"^[A-E]\s*[、､.．,，]\s*[A-Za-z\d]$", "", i)
    65. 

  65.             i = re.sub(r"[，,]\s*[A-F]$", "", i)
    66. 

  66. 

  67.             i = i.replace("Ｇ", "G").replace("ｇ", "g").replace("ｍ", "m").replace("ｓ", "s").replace("／", "/").replace("＝", "=")\
    68. 

  68.                  .replace("２", "2").replace("Ｆ", "F").replace("ｔ", "t").strip()
    69. 

  69.             if len(i) > 1:
    70. 

  70.                 right_equa.append(i)
    71. 

  71. 

  72.     return right_equa
    73. 

  73. 

  74. 

  75. 

  76. def get_equation_instr(item):
    77. 

  77.     """
    78. 

  78.     先结构化，再提取公式渲染比较好！！！# 公式字符串提取再补上$$
    79. 

  79.     :param item:
    80. 

  80.     :return:
    81. 

  81.     """
    82. 

  82.     # print('///////////////原始:', item)
    83. 

  83.     item = item.replace("（", "(").replace("）", ")")
    84. 

  84.     item = re.sub(r"图(\d{1,2}[-－]\d{1,2})", "图&#&"+r"\1", item)
    85. 

  85.     item = re.sub(r"&gt;", '>', str(item))
    86. 

  86.     item = re.sub(r"&lt;", '<', item)
    87. 

  87.     item = re.sub(r"\\lt br/?>", '<br/>', item)
    88. 

  88.     item = re.sub(r"\s{2,}(</su[bp]>)", r'\1', item)
    89. 

  89.     item = re.sub(r"(<su[bp]>)\s{2,}", r'\1', item)
    90. 

  90.     # pattern1 = re.compile(r"<sub>\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?</sub>|\\text\s*{\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?\}")
    91. 

  91.     pattern1 = re.compile("([^\u4e00-\u9fa5；，、：①②③④\s”《》【】“）)\]\}](<su[bp]>\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?</su[bp]>"
    92. 

  92.                           "|\\text\s*{\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?\}|[_^{]\s*[\u4e00-\u9fa5][\u4e00-\u9fa5、､\s]*?"
    93. 

  93.                           "|[^\u4e00-\u9fa5；“”。?①②③④]|\n)*)")  # 不以xxx开头，不包含xxx
    94. 

  94.     all_equa = [y[0] for y in re.findall(pattern1, str(item))]
    95. 

  95. 

  96.     # -------------按某些格式（如图片）将初步提取的公式进一步拆分-------------------
    97. 

  97.     new_all_equa = []
    98. 

  98.     for equa in all_equa:
    99. 

  99.         table_equa = re.findall("<td>(.*?)</td>", equa)  # 表格内的公式
    100. 

  100.         if table_equa:
    101. 

  101.             for ta in table_equa:  # 不包含图片，data-latex中肯定含有$
    102. 

  102.                 new_all_equa.extend([e for e in re.split(r'<img src=[^$]*?/?>|<img src=.*? data-latex="\$\s*\$".*?/?>', ta) if e])
    103. 

  103.         else:
    104. 

  104.             equa = re.split(r'<img src=[^$]*?/?>|<img src=.*? data-latex="\$\s*\$".*?/?>|\.{7,}|=__{2,}'  # 
    105. 

  105.                             r'|<br\s*/?>\s*[（(]?\s*[1-9]\s*[)）]\s*(?![+\-*/])|\s{2,}(?![+\-*/])|[（(]\s*[123456]\s*[）)]', equa)  # ①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳
    106. 

  106.             new_all_equa.extend([e for e in equa if e])
    107. 

  107.     print("初步提取new_all_equa:", all_equa)
    108. 

  108.     # --------------将需要更改的公式提取出来，映射----------------------------------
    109. 

  109.     right_equa = {}
    110. 

  110.     for i in new_all_equa:
    111. 

  111.         raw_eqn = i
    112. 

  112.         i = re.sub(r'<img src=.+? data-latex="\$(.+?)\$"\s*/?>', "", i)
    113. 

  113.         # 只是img公式的，不需要
    114. 

  114.         if not re.sub("[（(]\s*\d{1,2}\s*[)）]|[${}()（）。①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳【】]"
    115. 

  115.                       "|</?t[hdr]>|<br\s*/?>|</?table>|</?html>|</?t?body>|</?p>", "", i).strip():
    116. 

  116.             continue
    117. 

  117. 

  118.         # 简单公式，清洗一下
    119. 

  119.         # if re.match(r"\d{1,4}[.,;]*$|[A-Z]{1,2}[.,;]*$|[a-z]{1,2}[.,;]*$|(\\rm|\\mathrm)\s*[A-Z]{1,3}[\s.,;]*$"
    120. 

  120.         #                  r"|(\\rm|\\mathrm)\s*[A-Z][\s.,;]*[A-Z][\s.,;]*$|[A-G]\s*[、，,]\s*[A-G]$|[()\[\]{}\s\\,;.！…\d]+$",
    121. 

  121.         #                  re.sub("[${}()（）]", "", i).strip()):
    122. 

  122.         #     # i = re.sub(r"[${}]|\\rm|\\mathrm", "", raw_eqn).strip()
    123. 

  123.         #     # i = re.sub(r"\\,", " ", i)
    124. 

  124.         #     # if i != raw_eqn.strip():
    125. 

  125.         #         # item = item.replace(raw_eqn, i, 1)
    126. 

  126.         #     right_equa[raw_eqn] = "${}$".format(i)
    127. 

  127.         #     print("{}----变1----${}$".format(raw_eqn, i))
    128. 

  128.         # else:
    129. 

  129.         pattern2 = re.compile("([!\"“”&'()（）*+,，\-.．。/:：;?\[\]{}|#%~^_`、､]|\s|\n|\u3000)")
    130. 

  130.         if re.sub(pattern2, "", i):
    131. 

  131.             i = re.sub(r'<img src=.+? data-latex="\$(.+?)\$"\s*/?>', r"\1", raw_eqn)
    132. 

  132.             # 结合最开始的替换操作
    133. 

  133.             i = re.sub(r"^&#&.+?$", "", i)
    134. 

  134.             i = re.sub(r"^\.+", "", i)
    135. 

  135.             i = re.sub("^([!&),，.．:：;。?\]}#%、､]|\s|\n)", "", i)
    136. 

  136.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､]|^([1-9]|[1-5][0-9])\s*[.．]$|^[)）]?\s*[（(][\s\d]+[)）]", "", i)
    137. 

  137.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､.．]\s*([（(]\d*)?$", "", i)
    138. 

  138.             i = re.sub("^([1-9]|[1-5][0-9])\s*[、､.．]\s*[（(][\s\d]+[)）]", "", i)
    139. 

  139.             i = re.sub("^https?://.+?$|^www\..+?$", "", i)
    140. 

  140.             i = re.sub("^[)）]?\s*[（(][\s\w]*[)）]", "", i)
    141. 

  141.             i = re.sub("^([^(（]*?)[)）]", r"\1", i)
    142. 

  142.             i = re.sub("^\d+[)）]|^[（(]\d+$", "", i)
    143. 

  143.             i = re.sub("(\u3000)+\s*$|^\s*(\u3000)+", "", i)
    144. 

  144.             i = re.sub(r"^\s*([1-9]|[1-5][0-9])\s*[.．、､]\s*[A-Z]{1,3}\s*$", "", i)
    145. 

  145.             i = re.sub(r"^\s*([1-9]|[1-5][0-9])\s*[.．、､]\s*([^\d])", r"\2", i)
    146. 

  146.             # i = re.sub(r"^\s*[a-z][-－][a-z]\s*$", '', i)    #  'v-t', 'x-t'
    147. 

  147.             i = re.sub(r"^\s*\d{1,2}[-－]\d{1,2}\s*$", '', i)
    148. 

  148.             i = re.sub(r"^\s*<[a-z]+/?>\s*$", '', i)
    149. 

  149.             i = re.sub(r"^([^（(]+?)[)）]$|^([^{]+?)\}$|^([^\[]+?)\]$", r'\1\2\3', i)
    150. 

  150.             i = re.sub(r"^[（(]([^)）]+?$)|^{([^\}]+?$)|^\[([^\]]+?$)", r'\1\2\3', i)
    151. 

  151.             i = re.sub(r"[，,]\s*[A-F]$", "", i)
    152. 

  152.             i = re.sub(r"[(\[{、､.．,，（∶”？】【]+$|(<br\s*/?>)+$", "", i)
    153. 

  153.             i = re.sub(r"=[\s_]*?$", "", i)
    154. 

  154.             i = re.sub(r"^__[\s_]*?([^\s_]+?)$", r"\1", i)
    155. 

  155.             i = re.sub(r"(<br\s*/?>|\n)+?\s*$|^\s*(<br\s*/?>|\n)+?", "", i)
    156. 

  156.             i = re.sub("^[①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳]*?([^①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳]+?)"
    157. 

  157.                        "[①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳]*?$", r"\1", i.strip())
    158. 

  158. 

  159.             raw_eqn = i
    160. 

  160.             i = re.sub("\u3000", " ", i)
    161. 

  161.             # def deal(yy):
    162. 

  162.             #     return yy.group(1).replace("，", "、").replace(",", "、")
    163. 

  163.             # i = re.sub(r"^(([A-Z]\s*[，,])+[A-Z])$", deal, i)
    164. 

  164. 

  165.             # # 不渲染
    166. 

  166.             # i = re.sub(r"^(([A-Z]\s*[，,、､])+[A-Z])$", "", i)   # A、B、C、D 不渲染
    167. 

  167.             # i = re.sub(r"^[A-Za-z]{2}$", "", i)  # 不渲染
    168. 

  168.             # i = re.sub(r"^(\d+|\d+·\d+)$", "", i)
    169. 

  169.             # i = re.sub(r"^[A-E]\s*[、､.．,，]\s*[A-Za-z\d]$", "", i)
    170. 

  170.             sub_dd = {
    171. 

  171.                 "Ｆ": "F",
    172. 

  172.                 "Ｇ": "G",
    173. 

  173.                 "ｇ": "g",
    174. 

  174.                 "ｍ": "m",
    175. 

  175.                 "Ｎ": "N",
    176. 

  176.                 "ｓ": "s",
    177. 

  177.                 "ｔ": "t",
    178. 

  178.                 "／": "/",
    179. 

  179.                 "＝": "=",
    180. 

  180.                 "－": "-",
    181. 

  181.                 "２": "2",
    182. 

  182.                 "′": "'",
    183. 

  183.                 # "°": "^\ciro",   # \\cir后面可以随便加字母或数字
    184. 

  184.             }
    185. 

  185.             i = re.sub("|".join(sub_dd.keys()), lambda x: sub_dd[x.group()], i)
    186. 

  186.             # i = i.replace("Ｇ", "G").replace("ｇ", "g").replace("ｍ", "m").replace("ｓ", "s").replace("／", "/").replace("＝", "=") \
    187. 

  187.             #     .replace("２", "2").replace("Ｆ", "F").replace("ｔ", "t").replace("Ｎ","N").replace("－", "-").strip()
    188. 

  188. 

  189.             # 个别不符latex格式的公式 处理
    190. 

  190.             def deal2(yy):
    191. 

  191.                 new_y = yy.group(2)
    192. 

  192.                 if yy.group(1) == "<sub>":
    193. 

  193.                     new_y = "_{" + yy.group(2) + "}"
    194. 

  194.                 if yy.group(1) == "<sup>":
    195. 

  195.                     new_y = "^{" + yy.group(2) + "}"
    196. 

  196.                 return re.sub("([\u4e00-\u9fa5]+)", r"\\text{\1}", new_y)
    197. 

  197. 

  198.             # i = re.sub("(<sub>)(.+?)</sub>", deal2, i)
    199. 

  199.             # i = re.sub("(<sup>)(.+?)</sup>", deal2, i).strip()
    200. 

  200.             recur_n = 0
    201. 

  201.             while re.search(r"</?su[bp]>", i):
    202. 

  202.                 recur_n += 1
    203. 

  203.                 i = re.sub("(<sub>)(((?!</?sub>).)+?)</sub>", deal2, i)
    204. 

  204.                 i = re.sub("(<sup>)(((?!</?sup>).)+?)</sup>", deal2, i)
    205. 

  205.                 if recur_n > 5:
    206. 

  206.                     break
    207. 

  207.             i = re.sub(r"\^{(.*?)\}\^{(.*?)\}", r"^{\1^{\2}}", i)
    208. 

  208.             if len(i) > 0:  # 单个字母或数字也渲染
    209. 

  209.                 new_eq = re.sub("^\$(\s+)(.+?)(?<!\s)\$$", r"\1$\2$", "${}$".format(i.replace("$", "")))
    210. 

  210.                 new_eq = re.sub("^\$(?!\s)(.+?)(\s+)\$", r"$\1$\2", new_eq)
    211. 

  211.                 right_equa[raw_eqn] = new_eq
    212. 

  212.                 # item = item.replace(raw_eqn, "${}$".format(i), 1)
    213. 

  213.                 print("{}----变2----${}$".format(raw_eqn, new_eq))
    214. 

  214.     right_equa = sorted(right_equa.items(), key=lambda x: len(x[1]), reverse=True)
    215. 

  215.     print("提取的公式整合、清洗->right_equa:",right_equa)
    216. 

  216. 

  217.     # 图片替换
    218. 

  218.     all_image = re.findall(r'<img src=".*?image\d+\..*?[/\"]>', item)
    219. 

  219.     subs2src = {}
    220. 

  220.     for j, img in  enumerate(all_image):
    221. 

  221.         item = item.replace(img, "【&img{}&】".format(j))
    222. 

  222.         subs2src["【&img{}&】".format(j)] = img
    223. 

  223. 

  224.     temp_map = {}
    225. 

  225.     for n, eq in enumerate(right_equa):
    226. 

  226.         if eq[0] not in ["e1", "e2","e3", "e4", "e5", "e6", "e7", "e8", "e9"]:
    227. 

  227.             if eq[0] not in "http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/new_image59.png"\
    228. 

  228.                     or len(eq[0]) < 3:
    229. 

  229.                 if re.search("^(\d+|[img]+)$", eq[0]) is None:
    230. 

  230.                     item = item.replace(eq[0], "#&{}&#".format(n))
    231. 

  231.                 # else:
    232. 

  232.                 #     item = re.sub("(?<!#&)" + eq[0], "#&{}&#".format(n), item)
    233. 

  233.                     # item = re.sub(r"(#&.+?&#)", lambda x: x.group(1).replace("$", ""), item)   # 无效
    234. 

  234.                     temp_map["#&{}&#".format(n)] = eq[1]
    235. 

  235. 

  236.     # print("temp_map:", temp_map)
    237. 

  237.     for k, v in subs2src.items():
    238. 

  238.         item = item.replace(k, v)
    239. 

  239.     for k, v in temp_map.items():
    240. 

  240.         item = re.sub(r"#&.+?&#", lambda x: x.group().replace("$", ""), item)
    241. 

  241.         item = item.replace(k, v)
    242. 

  242.     for k, v in temp_map.items():
    243. 

  243.         # item = re.sub(r"#&.+?&#", lambda x: x.group().replace("$", ""), item)
    244. 

  244.         item = item.replace(k, v)
    245. 

  245. 

  246. 

  247. 

  248.     # print("res:", item)
    249. 

  249.     return item
    250. 

  250. 

  251. def get_simpstr2eqn(item):
    252. 

  252.     "将简单的数字转为公式，加$"
    253. 

  253.     item = re.sub(r"^\n*([\dA-Za-z][A-Za-z\d\s]*)(\n*)$", r"$\1\2$", item)
    254. 

  254.     # item = re.sub(r"([\u4e00-\u9fa5]\s*|<img.*?/>\s*|^\n*)([\dA-Za-z][A-Za-z\d\s]*)([\u4e00-\u9fa5]|<img|\n*$)",
    255. 

  255.     #               r"\1$\2$\3", item)
    256. 

  256.     return item
    257. 

  257. 

  258. 

  259. if __name__ == '__main__':
    260. 

  260.     # import pandas as pd
    261. 

  261.     # from formula_extract_lqy2 import formula_extract_lqy
    262. 

  262.     #
    263. 

  263.     # pp = r"F:\zwj\WL\phy\wordbin2.0\data\WL_train.xlsx"
    264. 

  264.     # df = pd.read_excel(pp)
    265. 

  265.     # df['equations'] = df['item'].apply(get_equation_str)
    266. 

  266.     # df['equations2'] = df['item'].apply(get_equation_str2)
    267. 

  267.     # df['equations3'] = df['item'].apply(formula_extract_lqy)
    268. 

  268.     # flag = []
    269. 

  269.     # new_flag = []
    270. 

  270.     # for index, row in df.iterrows():
    271. 

  271.     #     # print(row['equations2'])
    272. 

  272.     #     # print(row['equations'])
    273. 

  273.     #     # print(len(row['equations2']), len(row['equations']))
    274. 

  274.     #     # print("".join(row['equations2']) == "".join(row['equations']))
    275. 

  275.     #     # print('===========================')
    276. 

  276.     #     if row['equations2'] == row['equations']:
    277. 

  277.     #         flag.append(1)
    278. 

  278.     #     else:
    279. 

  279.     #         flag.append(0)
    280. 

  280.     #     if row['equations3'] == row['equations']:
    281. 

  281.     #         new_flag.append(1)
    282. 

  282.     #     else:
    283. 

  283.     #         new_flag.append(0)
    284. 

  284.     # df['flag'] = flag
    285. 

  285.     # df['new_flag'] = new_flag
    286. 

  286.     # df.to_excel(r"F:\zwj\WL\phy\wordbin2.0\data\WL_train4.xlsx")
    287. 

  287. 

  288.     tt1 = """
    289. 

  289.     下列物质与危险化学品标志的对应关系不正确的是<br/><table><tr><td>A</td><td>B</td><td>C</td><td>D</td></tr><tr><td>汽油</td><td>天然气</td><td>浓硫酸</td><td>氢氧化钠</td></tr><tr><td><img src="files/image2.png" width="125px" height="116px" /></td><td><img src="files/image3.png" width="117px" height="117px" /></td><td><img src="files/image4.png" width="118px" height="119px" /></td><td><img src="files/image5.png" width="122px" height="118px" /></td></tr></table>
    290. 

  290.     """
    291. 

  291.     tt2 = 'Ag<sup>＋</sup>、K<sup>＋</sup>、NO<img src="files/image6.png" width="11px" height="25px" data-latex="$$" />、C1<sup>-</sup>'
    292. 

  292.     tt3 = 'Mg<sup>2</sup><sup>＋</sup>、Na<sup>＋</sup>、Cl<sup>-</sup>、SO<img src="files/image7.png" width="16px" height="24px" data-latex="$$" />'
    293. 

  293.     tt4 =  'NH<img src="files/image8.png" width="11px" height="24px" data-latex="$$" />、Cu<sup>2</sup><sup>＋</sup>、OH<sup>一</sup>、Cl<sup>—</sup>'
    294. 

  294.     tt5 = 'H<sup>＋</sup>、Na<sup>＋</sup>、HCO<img src="files/image9.png" width="11px" height="25px" data-latex="$$" />、SO<img src="files/image10.png" width="16px" height="24px" data-latex="$$" />'
    295. 

  295.     tt6 = '向MgSO<sub>4</sub>和Al<sub>2</sub>(SO<sub>4</sub>)<sub>3</sub>的混合溶液中，逐滴加入NaOH溶液。下列图像中， 能正确表示上述反应的是(横坐标表示加入NaOH溶液的体积，纵坐标表示反应生成沉淀的质量) (  )<br/>【未识别图片】'
    296. 

  296.     tt7 = '把一定量铁粉放入氯化铁溶液中，完全反应后，所得溶液中Fe<img src="files/image11.png" width="7px" height="20px" /><img src="files/image12.png" width="7px" height="20px" />和Fe<img src="files/image13.png" width="7px" height="20px" /><img src="files/image12.png" width="7px" height="20px" />的浓度恰好相等．则已反应的Fe<img src="files/image13.png" width="7px" height="20px" /><img src="files/image12.png" width="7px" height="20px" />和未反应的Fe<img src="files/image13.png" width="7px" height="20px" /><img src="files/image12.png" width="7px" height="20px" />的物质的量之比为（  ）'
    297. 

  297.     tt8 = '下列物质中既能跟稀H<sub>2</sub>SO<sub>4</sub>反应，又能跟氢氧化钠溶液反应的是(     )。<br/>①NaHCO<sub>3   </sub>②Al<sub>2</sub>O<sub>3   </sub>③Al(OH)<sub>3   </sub> ④Al'
    298. 

  298.     tt9 = 'M<sub>2</sub>O <sub>7</sub> <sup>x-</sup>与S<sup>2-</sup> 在酸性溶液中发生如下反应：M<sub>2</sub>O<sub>7</sub><sup>x</sup><sup>-</sup>+3S<sup>2</sup><sup>-</sup>+14H<sup>+</sup>=2M<sup>3+</sup>+3S↓+7H<sub>2</sub>O<br/>则M<sub>2</sub>O<sub>7</sub><sup>x</sup><sup>-</sup> 中M 的化合价为(  )'
    299. 

  299.     tt10 = 'AlCl<sub>3</sub>溶液中加入足量的氨水：Al<img src="files/image13.png" width="7px" height="20px" /><img src="files/image12.png" width="7px" height="20px" />+3OH<img src="files/image15.png" width="11px" height="20px" />═Al(OH)<sub>3</sub>↓'
    300. 

  300.     tt11 = 'FeCl<sub>2</sub>溶液跟Cl<sub>2</sub>反应：Fe<sup>2+</sup>+Cl<sub>2</sub>=Fe<sup>3+</sup>+2Cl<sup>-</sup>'
    301. 

  301.     tt12 = '实验室中需要配制2 mol/L的NaCl溶液950 mL，配制时应选用的容量瓶的规格和称取的NaCl的质量分别是(     )'
    302. 

  302.     tt13 = '现有下列10种物质：①H<sub>2</sub>O  ②空气  ③Al  ④明矾  ⑤H<sub>2</sub>SO<sub>4</sub>  ⑥烧碱  ⑦CuSO<sub>4</sub>•5H<sub>2</sub>O  ⑧碘酒  ⑨C<sub>2</sub>H<sub>5</sub>OH  ⑩ 纯碱(1)属于碱的是      ；属于盐的是    ；属于电解质的是        （填写序号）。<br/>(2)④明矾的化学式为            ，向④的溶液中滴加过量⑥溶液反应离子方程式为<br/>(3)⑤的溶液与⑩的溶液反应离子方程式为'
    303. 

  303.     tt14 = '(17分)(1)Fe<sub>2</sub>O<sub>3</sub>+6H<sup>+</sup>═2Fe<sup>3+</sup>+3H<sub>2</sub>O；<br/>(2)NaOH溶液；<br/>(3)Fe+2FeCl<sub>3</sub>═3FeCl<sub>2</sub>；<br/>(4)4Fe(OH)<sub>2</sub>+O<sub>2</sub>+2H<sub>2</sub>O═4Fe(OH)<sub>3</sub>；(5)氢氧化铁胶体   粒子直径大小     生成白色沉淀，迅速变成灰绿色，最终变成红褐色；<br/>1718.17(1)题中通入CO<sub>2</sub>后所得溶液的溶质成分为Na<sub>2</sub>CO<sub>3</sub>和NaHCO<sub>3</sub>，若将所得溶质在低温低压条件下蒸干，所得固体物质（不带结晶水）的质量为13.7g．<br/>(2)原NaOH溶液的物质的量浓度为2mol/L；<br/></body></html>'
    304. 

  304.     p1 = '“天舟一号”是我国首个货运飞船，被大家昵称为“快递小哥”，于2017年4月20发射成功。4月22日“天舟一号”与在轨运行的“天宫二号”空间实验室进行首次交会对接，形成组合体。 要实现“天舟一号”与 “天宫二号”成功对接 ，则'
    305. 

  305.     p2 = '(1)小球p从斜面上下滑的加速度为a，由牛顿第二定律有：<br/><img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/5fc64aca4994183dda7e751b/image59.png" width="93px" height="21px" data-latex="$$"> ..............................................................................................................(2分)<br/>设下滑所需时间为t<sub>1</sub>，根据运动学公式有：<br/><img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/5fc64aca4994183dda7e751b/image60.png" width="52px" height="37px" data-latex="$$"> ..........................................................................................................................(2分)<br/>联立解得：t<sub>1</sub> =0.5 s .........................................................................................................(1分)<br/>(2)小球q做平抛运动，设抛出速度为v<sub>0</sub>，则：<br/><img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/5fc64aca4994183dda7e751b/image61.png" width="46px" height="20px" data-latex="$$">............................................................................................................................(2分)<br/>由几何关系知：x=lcos37°  .............................................................................................(1分)<br/>依题意有： t<sub>2</sub>=t<sub>1</sub> .............................................................................................................(1分)<br/>解得： v<sub>0</sub>=1.2<img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/5fc64aca4994183dda7e751b/image62.png" width="34px" height="18px" data-latex="$$"> ...................................................................................................... (1分)'
    306. 

  306.     p3 = '则该金属丝直径的测量值d=___________mm。<br/><img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/6167c1360d2da861d11c950a/image31.png" width="262px" height="146px" /><img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/6167c1360d2da861d11c950a/image32.jpeg" width="162px" height="137px" /><br/>(2)使用多用电表欧姆挡粗测金属丝的电阻，倍率选择“×10”挡，发现指针偏转角度太大了，下列说法不正确的是(     )'
    307. 

  307.     p4 = '电流表A(量程为0～0.6 A，内阻约0.5 Ω)'
    308. 

  308.     p5 = '''
    309. 

  309.    为测定干电池的电动势和内阻，提供的实验器材如下所示：
    310. 

  310. A．干电池2节，每节干电池的电动势为1.5 V<img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/6167c1360d2da861d11c950a/image34.png" width="26px" height="26px">左右，内阻较小
    311. 

  311. B．电流表A(量程为0～0.6 A，内阻约0.5 Ω)
    312. 

  312. C．滑动变阻器R1(0～10 Ω，10 A)D．滑动变阻器R2(0～100 Ω，1 A)
    313. 

  313. E．电流表G(0～3.0 mA，Rg=10 Ω)F．定值电阻R1=990 Ω
    314. 

  314. G．定值电阻R2=90 ΩH．开关S和导线若干
    315. 

  315. (1)由于两节干电池的内阻较小，现将定值电阻R0=3.0 Ω与两节干电池串联后作为一个整体进行测量。在进行实验时，滑动变阻器应选用________，定值电阻应选用________。(填写实验器材前的编号)
    316. 

  316. (2)在虚线方框中补充完整本实验电路的原理图。
    317. 

  317. <img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/6167c1360d2da861d11c950a/image35.png" width="382px" height="144px">
    318. 

  318. (3)根据实验测得数据作出I2-I1的图线如图，其中I2为通过电流表G的电流，I1为通过电流表A的电流．根据该图线可知每节干电池的电动势的测量值为________V，内阻的测量值为________Ω。（结果保留两位有效数字）
    319. 

  319.     '''
    320. 

  320.     p6 = '''
    321. 

  321.     20.如图所示，xOy平面内半径为R的圆O'与y轴相切于原点O。在该圆形区域内，有与y轴平行的匀强电场和垂直于圆面的匀强磁场。一质量为m、电荷量为q的粒子（不计重力）从O点沿x轴正方向以某一速度射入，带电粒子恰好做匀速直线运动，经T0时间从P点射出。
    322. 

  322. (1)若仅撤去磁场，带电粒子仍从O点以相同的速度射入，经<img src="http://zxhx-1302712961.cos.ap-shanghai.myqcloud.com/zyk/uploadfiles/wording/6167c1360d2da861d11c950a/image38.png" width="20px" height="37px" data-latex="$$">时间恰从圆形区域的边界射出。求电场强度的大小和粒子离开电场时速度的大小；
    323. 

  323. (2)若仅撤去电场，带电粒子仍从O点射入，且速度为原来的2倍，求粒子在磁场中运动的时间。
    324. 

  324.     '''
    325. 

  325.     res = get_equation_instr(p6)
    326. 

  326.     print("res:-----------------")
    327. 

  327.     print(res)
    328.