1:
for j in temp_id_list:
if "key" not in item_res[j].keys():
temp_id = j
if temp_id != 'no': # 找到题目和答案相同的题目的序号时
res_con = item_res[temp_id]['stem']
item_res[temp_id].update(
only_parse_split(one_item, all_type[num], res_con)) # 单道答案的结构化
item_id += 1
type_id += item_id
new_ans_no.extend(one_type_no)
# ---------------------------------------------------
# except:
# rd1_is_fail = 1
else:
rd1_is_fail = 1
return item_res, rd1_is_fail
def get_table_ans(ans_str, bf_all_no, flag=0):
"""
获取表格中的答案
flag=1:返回表格开始位置
bf_all_no:ans_str之前所有题号
:return:
"""
table_ans = []
ans_no = []
st = -1
if ans_str and "table" in ans_str: # 答案以表格形式呈现, 表格应放在前两行位置,不要插在答案中间
row_list = [] # 要求表格形式为 横纵分明 ,不存在合并
for one_table in re.finditer('', ans_str, re.S):
st = one_table.start()
for tt in re.finditer(r'(((?!(?tr>)).)*)
', one_table.group(1), re.S):
tt_list = re.split(r'|| | | | |', tt.group(1))
# row_list.append([col for col in tt_list if col.strip()]) # 也有可能答案为空
row_list.append(tt_list)
if row_list:
print("^^^^^^存在答案放在表格里的情况!^^^^^^^")
if len(row_list) % 2 != 0:
print('有表格形式呈现的答案不是偶数行')
if flag == 2:
if "题号" in row_list[0] and len(row_list)>1:
row_list = [re.sub("^\s*([1-9]|[1-2][0-9])\s*([((]\s*\d{1,2}\s*分?\s*[))])?\s*$", r"\n\1、", v)
for row in row_list[1:] for v in row]
return " ".join(row_list)
else:
row_list = [" ".join(row) for row in row_list]
return "\n".join(row_list)
if re.search("分值", "".join(row_list[-1][:3])):
row_list = row_list[:-1]
if len(row_list) % 2 == 0:
if flag == 2:
if "题号" in row_list[0] and len(row_list)>1:
row_list = [re.sub("^\s*([1-9]|[1-2][0-9])\s*([((]\s*\d{1,2}\s*分?\s*[))])?\s*$", r"\n\1、", v)
for row in row_list[1:] for v in row]
return " ".join(row_list)
else:
row_list = [" ".join(row) for row in row_list]
return "\n".join(row_list)
for k, v in enumerate(row_list):
if (k + 1) % 2 == 1: # 奇数行==》答案序号行
# item_no = [int(i.strip()) if re.sub(r"[^\d]", "", i.strip()) else -1 for i in v]
# item_no_st = [num for num, i in enumerate(item_no) if i != -1] # 可能开头是-1
# # print(item_no_st)
# ans_no.extend([i for i in item_no if i != -1]) # 表格序号
# table_ans.extend(row_list[k + 1][item_no_st[0]: item_no_st[-1] + 1]) # 表格答案
# --------------------
item_no = []
item_ans = []
# special_item_no = [] # 特殊的题号 如14(1)
for num, i in enumerate(v):
if re.sub(r"[^\d]", "", i.strip()):
no_info = re.match("(\d+)",i.strip())
no = no_info.group(1) if no_info else 0
special_no_info = re.match("(\d+)\s*([((\-_]\s*\d|[((\-_]?\s*[①②③④])", i.strip())
if special_no_info:
no = special_no_info.group(1)
# special_item_no.append(int(i))
if not item_no or int(no) != item_no[-1]:
item_no.append(int(no))
item_ans.append(row_list[k + 1][num])
elif item_no and int(no) == item_no[-1]:
item_ans[-1] += "#"+row_list[k + 1][num]
else:
if not bf_all_no or (item_no and 1 <= int(no) - item_no[-1] <= 2) or \
(not item_no and bf_all_no and 1 <= int(no) - bf_all_no[-1] <= 2):
item_no.append(int(no))
if k+1 < len(row_list) and num < len(row_list[k + 1]):
item_ans.append(row_list[k + 1][num])
else:
item_ans.append("")
ans_no.extend(item_no)
table_ans.extend(item_ans)
if flag:
return ans_no, table_ans, st
return ans_no, table_ans
def only_parse_split(one_item_ans, item_type, res_con, reparse_n=1):
"""
拆分出答案和解析,主要针对答案页中的每个题的答案进行拆分
:one_item_ans: 单道题的答案解析部分,
:reparse_n == 1:表示再解析
:return:{'key': ,"parse": }
"""
one_item_ans = re.sub(r"(\[.*?\])?\(.*?\d+分\)", "", one_item_ans[:20]) + one_item_ans[20:]
one_item_ans = re.sub("\n\s*(化学|物理|生物|和|与)+\s*【答案】\s*$", '', one_item_ans)
dd = {'parse': one_item_ans, 'key': ""}
if "选修" in one_item_ans.replace(" ", "")[:10] or \
re.search("[((][12][))]\s【(解析|答案)】", one_item_ans.replace(" ", "")): # 2021-5-24
return dd
temp_ans = one_item_ans
one_item_ans = one_item_ans.split("【答案】", maxsplit=1) # 答案关键字可能在后面
if len(one_item_ans) == 2 and "【解析】" in one_item_ans[0]:
one_item_ans = temp_ans
else:
one_item_ans = one_item_ans[-1]
simp_item = re.sub(r"(【([解分][析答]|详解|点[评睛])】|答案|解析|详解)\s*[::]?", "", one_item_ans)
simp_item = re.sub("[^\u4e00-\u9fa5∵∴]", "", simp_item)
# deng_num = re.findall(r"((?!(src|width|height|style)).)+?([==]).+?", one_item_ans, re.S)
tempitem = re.sub("(src|width|height|style)[==]", "", one_item_ans)
deng_num = re.findall(r"([==]).+?", tempitem, re.S)
huanheng_num = re.findall("\n+", one_item_ans, re.S)
if len(simp_item) < 10 and re.search("因为?|因此|所以|根据|依据|若|假设", simp_item) is None and len(deng_num) < 2:
dd['parse'] = ""
if len(huanheng_num) > 1:
dd['parse'] = one_item_ans
sim_parse = dd['parse'] # 去掉点评后用于找答案
if re.search(r"【(解析|解答|分析|详解|点评|点睛)】\n?|(解析|解答|分析|(?= 3:
dd["parse"] = "【" + dd1["parse_title"] + "】" + dd1["parse"]
del dd1["parse_title"]
return dd
if len(dd1) >= 3:
dd["key"] = dd1["key"].strip()
rest_parse = ""
# 细节处理2024.5.7
if re.search("^$", dd["key"]):
dd["key"] = "见解析"
rest_parse = dd1["key"].strip()
if dd1["parse_title"] == "解":
dd["parse"] = "解:" + dd1["parse"]
else:
dd["parse"] = "【" + dd1["parse_title"] + "】" + dd1["parse"]
if rest_parse:
dd["parse"] = rest_parse + "\n" + dd["parse"]
if not dd["key"] and (dd1["parse"].strip() or rest_parse):
dd["key"] = "见解析"
del dd1["parse_title"]
return dd
sim_parse = re.split("【点评】|【点睛】", dd["parse"])[0].strip()
# 将解析中末尾出现的图片去掉
while re.search('\n\s*\s*$', sim_parse):
sim_parse = re.sub('\n\s*\s*$', "", sim_parse)
if item_type.replace("题", "") in ["单选", "多选", "选择", "不定选择"]:
ans = re.search(r'故选择?\s*[::]?\s*'
r'|故选择?\s*[::]?\s*([A-Z;;和与、、\s]+)', dd["parse"].replace("$", ""))
ans1 = re.search(r'故答案[为是有]\s*[::]\s*'
r'|故答案[为是有]\s*[::]?\s*([A-Z;;和与、、\s]+)', dd["parse"].replace("$", ""))
if ans:
dd["key"] = ans.group(1) if ans.group(1) is not None else ans.group(2)
if ans1:
dd["key"] = ans1.group(1) if ans1.group(1) is not None else ans1.group(2)
elif not dd['key']:
dd['key'] = one_item_ans.strip()
if dd['parse']:
dd['key'] = "见解析"
dd['key'] = re.sub(r"[.;;.]\s*$", "", dd['key'])
elif re.search("证明|求证", res_con):
dd['key'] = "见解析"
elif item_type: # 把所有的图片能先提前替换比较好,后面匹配的话会容易些
ans0 = re.search(r'故选\s*[::]?\s*([A-Z;;和与、、\s]+)[..;;。]?$', sim_parse) # 试验题中可能还有选择题
ans01 = re.search(r'故选\s*[::]\s*', sim_parse) # 可能开始题型写错
ans1 = re.search(r'(故|因[而此]|所以)\s*[::]?\s*(答案分?别?[为是填]?|填)\s*[::]?\s*(((?!()[..]?\s*(\n|$)', sim_parse, re.S)
ans22 = re.search(r'(故|因[而此]|所以)\s*[::]?\s*(答案分?别?[为是填]?|填)\s*[::]?\s*([^∴∵故因所即【】]+?)([..]\s*(\n|$)|$)', sim_parse)
ans21 = re.search(r'综上所述\s*[::]\s*([^∴∵故因所即【】]+?)[..;;]\s*$', sim_parse)
ans3 = re.search(r'(故|因[而此]|所以|∴)\s*[::]?.+?[为是填]\s*[::]?\s*([^∴∵故因所即则【】]+?)([..;;,,]\s*$|[..]\s*\n)', sim_parse) # 改添
ans31 = re.search(r'(故|因[而此]|所以|∴)\s*([^当为是填∴∵因所故即则【】]+?)[..;;]\s*$', sim_parse) # 改添
ans32 = re.search(r'(故|因[而此]|所以)\s*[::]?[^当为是填∴∵因所故即【】]+?[为是填]\s*[::]?\s*()[..]?\s*(\n|$)', sim_parse, re.S)
ans4 = re.search(r'\n\s*[==]([^=\n]+?)[..]?\s*$', sim_parse)
# ans42 = re.search(r'[==](?!")(((?!([故=∴即]|原式|因[而此]|所以|\n|=[^"])).)+?)[..]?\s*$', sim_parse)
ans41 = re.search(r'原式\s*[==].+?[==](?!")(((?!(=|=[^"])).)+?|\s*)([..]?\s*$|[..]\s*\n)', sim_parse)
ans42 = re.search("解集?[得为::]+?\s*(\$.+?)$|[::]\s*(\$.+?)$", one_item_ans)
if reparse_n != 2 and "【答案】" not in one_item_ans and dd['parse'] and \
len(re.findall(r"[((]\d[))]|[\n::;;。】]([((](i{1,3}|[ⅰⅱⅲⅳⅠⅡⅢIV①②③④])[))]|[①②③④]\s*(?![+\-]))",
sim_parse.replace(" ", ""))) > 1 and not (item_type == '填空题' and len(re.findall(r"_{2,}|_+([^_]*?)_+", res_con)) == 1):
dd["key"] = "见解析"
elif ans0:
dd["key"] = ans0.group(1)
elif ans01:
dd["key"] = ans01.group(1)
elif ans1 or ans11:
dd["key"] = ans1.group(3) if ans1 else ans11.group(2)
elif ans2:
dd["key"] = ans2.group(3)
elif ans22:
dd["key"] = ans22.group(3)
elif ans21:
dd["key"] = ans21.group(1)
elif (ans3 or ans31 or ans32) and '证明' not in one_item_ans:
if ans3:
dd["key"] = ans3.group(2)
if ans31:
dd["key"] = ans31.group(2)
speci_key_info = re.search("解集?[得为::]+?\s*(\$.+?)$|[::]\s*(\$.+?)$", dd["key"])
if speci_key_info:
dd["key"] = speci_key_info.group(1) if speci_key_info.group(1) else speci_key_info.group(2)
if ans32:
dd["key"] = ans32.group(2)
elif ans42:
dd["key"] = ans42.group(1) if ans42.group(1) else ans42.group(2)
if not dd["parse"]:
dd["parse"] = one_item_ans
elif (ans4 or ans41) and '证明' not in one_item_ans:
if ans4:
dd["key"] = ans4.group(1)
if ans41:
dd["key"] = ans41.group(1)
# if ans42:
# dd["key"] = ans42.group(1)
elif not re.sub("[\s略解析【】]", "" ,dd['parse']):
dd['key'] = one_item_ans.strip()
else:
if dd["key"]:
dd['parse'] = dd["key"] + dd['parse']
dd["key"] = "见解析"
else: # 题型未知
if len(simp_item) < 10:
dd["key"] = re.sub(r"【答案】|答案\s*[::]", "", one_item_ans.strip())
else:
ans1 = re.search(
r'故答?案?选择?\s*[::]\s*|故答?案?选择?\s*[::]?\s*([A-Z;;和与、、\s]+)',
dd["parse"].replace("$", ""))
ans2 = re.search(r'故\s*[::]?\s*答案分?别?[为是]?\s*[::]?\s*(.+?)[..]\s*(\n|$)', dd["parse"])
ans3 = re.search(r'(【答案】|答案)\s*[::]?(.+?)(\n|$)', dd["parse"])
if ans1:
dd["key"] = ans1.group(1) if ans1.group(1) is not None else ans1.group(2)
elif ans2:
dd["key"] = ans2.group(1)
elif ans3:
dd["key"] = ans3.group(2)
dd["parse"] = dd["parse"].replace(ans3.group(0), "")
elif not dd['key']:
dd['key'] = "见解析"
# print('最后:',dd)
return dd
def ans_structure_step1(anss, item_type_classify, item_res):
"""
针对答案部分解析结构化汇总
anss : 整个答案部分
:return: dd = {'parse': , 'key': }
"""
anss = [k for k in anss if k.strip()]
ans_label = [k for k, a in enumerate(anss) if re.match("【答案】", a.strip())]
parse_label = [k for k, a in enumerate(anss) if re.match("【解析】", a.strip())]
if len(ans_label) == 1 and len(parse_label) == 1:
try:
ans1 = anss[ans_label[0] + 1: parse_label[0]]
parse1 = anss[parse_label[0]+1:]
item_res = ans_structure_step2(ans1, item_type_classify, item_res,'group_ans')
item_res = ans_structure_step2(parse1, item_type_classify, item_res, 'group_parse')
except:
item_res = ans_structure_step2(anss, item_type_classify, item_res)
else:
item_res = ans_structure_step2(anss, item_type_classify, item_res)
return item_res
def ans_structure_step2(anss, item_type_classify, item_res, *group):
"""
拆分答案,并根据已拆分好的题目item_res 补上答案和解析
有的答案放在表格里,如选择题、填空题、判断题,有的一行多个答案
思路:1.先按一行没有多个题答案的情况取答案,数量与题干不同 时 >>>> 2.再按一行多个答案的情况取答案:
1)先判断表格,拿到表格的答案;2)一行多个答案
anss: 一组按所有不重复题号的答案
item_type_classify: 题目中对各题型的统计
:return: [{'parse': , 'key': },{},{}]
"""
while not anss[0]:
anss = anss[1:]
if re.match(".+?省.+?试[卷题]|[^a-zA-Z]*?【专题】", anss[0]):
anss = anss[1:]
# --------- 答案整体解析----存在一行中有选择题和填空题答案,填空题答案尽量每题占一行----------
item_type_num = sum(list(item_type_classify.values()))
all_item_ans = [] # 前期只记录表格答案和排列型答案
table_ans = []
ans_no = [] # 只记录表格答案和排列型答案的id
# 默认表格答案放在最前面 !!!
while anss and "table" in anss[0]: # 答案以表格形式呈现, 表格应放在前两行位置,不要插在答案中间
row_list = [] # 要求表格形式为 横纵分明 ,不存在合并
for tt in re.finditer(' | (((?!(?tr>)).)*)
', anss[0], re.S): # 先划分每行
tt_list = re.split(r'|| | | | |', tt.group(1)) # 再划分每列
# row_list.append([col for col in tt_list if col.strip()]) # 也有可能答案为空
row_list.append(tt_list)
if row_list:
print("^^^^^^存在答案放在表格里的情况!^^^^^^^")
is_other_table = False
if len(row_list) % 2 != 0:
print('表格形式呈现的答案不是偶数行')
# 可能是填空题放在表格里,可以先去表格看看
if "题号" in row_list[0] and len(row_list) > 1:
row_list = [re.sub("^\s*([1-9]|[1-2][0-9])\s*([((]\s*\d{1,2}\s*分?\s*[))])?\s*$", r"\n\1、", v)
for row in row_list[1:] for v in row]
anss[0] = "\n" + " ".join(row_list)
is_other_table = True
elif re.search("^\s*([1-9]|[12][0-9])\s*[..、、::].+?", "".join(row_list[0])):
temp_id = re.search("^\s*([1-9]|[12][0-9])\s*[..、、::].+?", "".join(row_list[0])).group(1)
if ans_no and 1 <= int(temp_id) - ans_no[-1] <= 2:
# anss[0] = re.sub(r'?table>|?p>|?t[dr]>|?tbody>', '', anss[0])
anss[0] = "\n" + "\n".join(["".join(i) for i in row_list])
is_other_table = True
else:
print("row_list:", row_list)
# if "题号" in row_list[0] and len(row_list) > 1:
# row_list = [re.sub("^\s*([1-9]|[1-2][0-9])\s*([((]\s*\d{1,2}\s*分?\s*[))])?\s*$", r"\n\1、", v)
# for row in row_list[1:] for v in row]
# anss[0] = "\n" + " ".join(row_list)
for k, v in enumerate(row_list):
# print('-----',v)
if (k + 1) % 2 == 1: # 奇数行==》答案序号行
# item_no = [int(i) if re.sub(r"[^\d]", "", i) else -1 for i in v]
# item_no_st = [num for num, i in enumerate(item_no) if i != -1] # 可能开头是-1
# ans_no.extend([i for i in item_no if i != -1]) # 表格序号
# table_ans.extend(row_list[k + 1][item_no_st[0]: item_no_st[-1] + 1]) # 表格答案
# ----------------------------
item_no = []
item_ans = []
# special_item_no = [] # 特殊的题号 如14(1)
for num, i in enumerate(v):
if re.sub(r"[^\d]", "", i.strip()):
no_info = re.match("(\d+)", i.strip())
no = no_info.group(1) if no_info else 0
special_no_info = re.match(r"(\d+)\s*([((\-_]\s*\d|[((\-_]?\s*[①②③④])", i.strip())
if special_no_info:
no = special_no_info.group(1)
# special_item_no.append(int(i))
if not item_no or int(no) != item_no[-1]:
item_no.append(int(no))
item_ans.append(row_list[k + 1][num])
elif item_no and int(no) == item_no[-1]:
item_ans[-1] += "#" + row_list[k + 1][num]
else:
if (not ans_no and int(no)) or (item_no and 1 <= int(no) - item_no[-1] <= 2) or \
(not item_no and ans_no and 1 <= int(no) - ans_no[-1] <= 2):
item_no.append(int(no))
if k + 1 < len(row_list) and num < len(row_list[k + 1]):
item_ans.append(row_list[k + 1][num])
else:
item_ans.append("")
ans_no.extend(item_no)
table_ans.extend(item_ans)
if not is_other_table:
anss = anss[1:]
print("表格答案:", table_ans)
all_item_ans.extend(table_ans)
if anss and re.search("", anss[0], re.S) is None:
anss[0] = anss[0].split("")[-1].replace("", "")
#======= 先按一行没有多个题答案的情况取答案=======
anss_str = table_label_cleal("\n" + "\n".join(anss)) if anss else ""
# print(anss_str)
ans_item_no_type = 1 # 初步定义答案的题号就是第一种类型!!!
# 将序号前面是大写字母或分号的情况,加空
anss_str = re.sub(r"([A-H])\s*[..](\s*([1-9][0-9]|[1-9])\s*[..、、])", r"\1 \2", anss_str)
while re.search(r"([A-E])(([1-9][0-9]|[1-9])\s*[..、、]\s*[A-E])", anss_str):
anss_str = re.sub(r"([A-E])(([1-9][0-9]|[1-9])\s*[..、、]\s*[A-E])", r"\1 \2", anss_str)
def sub1(ss):
if int(ss.group(3)) - int(ss.group(1)) == 1:
return ss.group(1)+ss.group(2)+' '+ss.group(3)+'、'+ss.group(4)
anss_str = re.sub(r"([1-9][0-9]|[1-9])\s*([..、、]\s*[A-E])\s*([1-9][0-9]|[1-9])\s*([A-E]\s*([1-9][0-9]|[1-9])\s*[..、、])", sub1, anss_str)
anss_str = re.sub(r"([;;])(\s*([1-9][0-9]|[1-9])\s*[.、、])", r"\1 \2", anss_str)
def sub2(ss):
if int(ss.group(3)) - int(ss.group(2)) in [1, 2]:
return ss.group(1)+"\n"+ss.group(3)+"、"+ss.group(4)
else:
return ss.group(0)
anss_str = re.sub(r"(\n\s*([1-9][0-9]|[1-9])\s*[..、、].+?)\n([1-9][0-9]|[1-9])\s*(?![..、、])([^\s\d]+)", sub2, anss_str, flags=re.S)
anss_str = re.sub("\n\s*(\${*?)([1-9][0-9]|[1-9])\s*([..、、])(.+?)", r"\n\2\3\1\4", anss_str)
anss_str = re.sub("\$(([1-9][0-9]|[1-9])\s*[..、、].+?)", r"$ \1", anss_str)
anss_str = re.sub("(\${*?)([1-9][0-9]|[1-9])\s*([..、、])\s*(?!\d)", r" \2\3\1", anss_str)
# print(anss_str)
item_no_info = pre_get_item_no('\n' + anss_str, ans_item_no_type) # 按\n\d、
print("初步题号:", item_no_info) # 初步按非表格非排列的形式获取题号信息
if not item_no_info and len(anss_str.replace(" ", "")) < 50:
item_0 = re.split(r"[1-9]\s*[..、、::]|[1-9][0-9]\s*[..、、::]", anss_str)
if len(item_0) > 1:
anss_str = item_0[0]
array_ans_no, array_ans = get_array_ans(anss_str, ans_no, item_res[0]['item_id'])
all_item_ans.extend(array_ans)
ans_no.extend(array_ans_no)
if len(item_0) > 1:
all_item_ans.extend(item_0[1:])
ans_no.extend(re.findall(r"([1-9]|[1-9][0-9])\s*[..、、::]", anss_str))
if len(ans_no) == item_type_num or len(ans_no) == len(item_res): # 只有表格答案或排列答案的情况
print('答案第1种切分方案:只有表格答案或排列答案的情况!')
item_res = get_ans_match(item_res, all_item_ans, ans_no, group)
else:
is_new_no = 0
if not item_no_info:
item_no_info = pre_get_item_no('\n' + anss_str, ans_item_no_type, flag=1)
if item_no_info: # 这里新更新的item_no_info放到和下面一起处理,不严谨
is_new_no = 1
ans_no0, ans_no_idx0 = get_right_no(item_no_info) # 初始题号纠正,第一个不换行的题号可能被剔除
print("ans_no0:", ans_no0)
print("ans_no_idx0:", ans_no_idx0)
is_from_0 = 1 # shi
if ans_no0 and ans_no_idx0[0] != 0 and ans_no0[0] > 1:
is_all_img = re.match("().)*?/>[\s\n]*)*?$", anss_str[:ans_no_idx0[0]].strip(),re.S)
if not is_all_img:
ans_no_idx0.insert(0, 0)
is_from_0 = 0 # fei
# 除表格、排列型之外的答案
rest_item_split = [('\n' + anss_str)[i:j] for i, j in zip(ans_no_idx0, ans_no_idx0[1:] + [None])]
if not is_from_0: # 不是从0开始, 从0开始的话就不用判断
if re.match('(\n|^)故[::]?选[::]|故[::]?答案分?别?[为是]?'
'|【([解分][析答]|详解|点[评睛])】|(答案|解析|详解)[::]',
rest_item_split[0].replace(" ", "")) is None:
if item_no_info[0][0]==0 or item_no_info[0][1]=='1':
# 说明rest_item_split[0] 是一行多个排列的答案
array_ans_no, array_ans = get_array_ans(rest_item_split[0], ans_no, item_res[0]['item_id'], ans_no0[0])
if array_ans:
ans_no.extend(array_ans_no)
all_item_ans.extend(array_ans)
rest_item_split = rest_item_split[1:]
ans_no_idx0 = ans_no_idx0[1:]
else:
print("rest_item_split[0]:", rest_item_split[0])
# 找出非选择题的切分点
item_0 = re.split(r"([1-9]\s*[..、、::]\s*(?![A-F])|[1-9][0-9]\s*[..、、::]\s*(?![A-F]))", rest_item_split[0], maxsplit=1)
if len(item_0) > 1: # 存在这样的切分点
ans_no_idx0.insert(1, re.search(r"([1-9]|[1-9][0-9])\s*[..、、::]\s*(?![A-F])",
rest_item_split[0]).start())
rest_item_split[0] = item_0[0]
rest_item_split.insert(1, "\n" + "".join(item_0[1:])) # 加了一个,题号和索引也要加一个
ans_no0.insert(0, int(re.findall("[1-9][0-9]|[1-9]", item_0[1])[0])) # 这时补充的肯定与后面序号差别比较大
# info0 = re.search(r"([1-9]|[1-4][0-9])\s*[..、、::]\s*(?![A-F])", rest_item_split[0]) # 有问题吧
info0 = re.search(r"([1-9]|[1-9][0-9])\s*[..、、::]\s*(?![A-F])", rest_item_split[0])
if info0: # ans_no0比len(rest_item_split)少
ans_no_idx0[0] = info0.start()
array_ans_no, array_ans = get_array_ans(rest_item_split[0], ans_no, item_res[0]['item_id'], ans_no0[0])
if array_ans:
ans_no.extend(array_ans_no)
all_item_ans.extend(array_ans)
else:
ans_no_idx0 = ans_no_idx0[1:]
if 'imgsrc' in rest_item_split[0]: # 针对答案前面存在图的情况,图暂时不管(不清楚是什么图)
temp_str0 = re.sub('', "", rest_item_split[0]).replace(" ", "")
if len(temp_str0) < 3 and ans_no0 and ans_no0[0] > 9:
is_from_0 = 1
rest_item_split = rest_item_split[1:]
# 更新anss_str
# anss_str = "\n" + "\n".join(rest_item_split[1:]) # 前面已截取,这里又截取,不对吧
anss_str = "\n" + "\n".join(rest_item_split) # 2021-9-16
else:
ans_no0.insert(0, ans_no0[0] - 1)
if is_new_no:
ans_no0, rest_item_split = get_seq_no(ans_no0, rest_item_split)
ans_no.extend(ans_no0)
all_item_ans.extend(rest_item_split)
item_res = get_ans_match(item_res, all_item_ans, ans_no, group)
else:
print("ans_no:::",ans_no) # ans_no只记录表格答案和排列型答案
print("::::", ans_no0, ans_no_idx0)
pre_split_ansinfo_list = all_item_ans, ans_no, ans_no0, ans_no_idx0, anss_str, is_from_0, ans_item_no_type
all_item_ans, ans_no, repet_ans= ans_select(item_res, item_type_num, rest_item_split, pre_split_ansinfo_list)
item_res = get_ans_match(item_res, all_item_ans, ans_no, repet_ans, group)
return item_res
def get_array_ans(one_item, raw_ans_no, st_no, af_no=0, temp_type=""):
"""
获取排列型的答案
:param one_item: 获取排列型的答案的文本
:param raw_ans_no: 已有的答案id
:param st_no: 题文中的初始题号
:param af_no: one_item后面题文中的初始题号
:param temp_type: 题型
:return:
"""
one_item_no, one_item_ans = [], []
if re.search("([1-9]|1[0-9])\s*[-~-~~~]\s*1?[0-9]\s*[::]?\s*([A-Zc]\s*){2,}", one_item):
no_info = re.findall("([1-9]|1[0-9])\s*[-~~]\s*(1?[0-9])\s*[::]?\s*([A-Zc]\s*){2,}", one_item)
no_list = [list(range(int(i[0]), int(i[1]) + 1)) for i in no_info]
row_split = re.split("\n*[1-9]\s*[-~-~~~]\s*1?[0-9]|\n*1[0-9]\s*[-~-~~~]\s*1?[0-9]", one_item)
if len(row_split) - len(no_list) == 1:
if not row_split[0].strip():
one_item_no.extend(sum(no_list, []))
for k, j in enumerate(row_split[1:]):
if len(re.findall("[A-Zc](?!\))", j)) == len(no_list[k]):
one_item_ans.extend(re.findall("[A-Zc](?2:
if len(re.findall("[A-Zc](?!\))", new_rows[0])) == len(no_list[k]):
one_item_ans.extend(re.findall("[A-Zc](? 1:
tt0 = re.split("\s+", row_split[0].strip())
if len(tt0) < no_list[0][0] - 1:
tt0 = re.findall("[A-Zc](?!\))", row_split[0])
if len(tt0) >= no_list[0][0] - 1:
one_item_ans.extend(tt0[-(no_list[0][0] - 1):])
one_item_no.extend(list(range(1, no_list[0][0]))[-(no_list[0][0] - 1):])
one_item_no.extend(sum(no_list, []))
for k, j in enumerate(row_split[1:]):
print(re.split("\s+", j.strip()))
if len(re.findall("[A-Zc](?!\))", j)) == len(no_list[k]):
one_item_ans.extend(re.findall("[A-Zc](? 1 else []
row_ans2 = re.findall("[A-Zc](? 5 and len(row_ans2) - len(row_ans1) > 2 and len(row_ans2) - af_no > 2:
one_item_ans.extend(row_ans1)
one_item_no.extend(row_no1)
else:
temp_item = re.sub("", "", one_item).strip()
if len(re.findall("[\u4e00-\u9fa5]", temp_item))<2: # 尽量没有中文
row_ans = row_ans2
one_item_ans.extend(row_ans)
if raw_ans_no and row_ans:
one_item_no.extend(list(range(raw_ans_no[-1] + 1, raw_ans_no[-1] + 1 + len(row_ans))))
else:
one_item_no.extend(list(range(1, 1 + len(row_ans))))
return one_item_no, one_item_ans
def ans_select(item_res, item_type_num, rest_item_split, pre_split_ansinfo_list):
"""
按换行切分答案、按一行多个答案(含答案序号前有空格或非空格两种情况),
按此三种方法,与题文试题的切分结构进行对比而选取答案
:param item_type_num:
:param ans_no:
:param ans_str:
:return:
"""
all_item_ans, ans_no, ans_no0, ans_no_idx0, anss_str, is_from_0, ans_item_no_type = pre_split_ansinfo_list
ans_no1 = ans_no.copy()
# 开头的答案是选择题时,存在后面答案仍然存在选择题的详解
repet_ans = {}
if len(ans_no0) == len(item_res):
ans_no1 = ans_no0.copy()
repet_ans = dict(zip(ans_no, all_item_ans))
all_item_ans = []
else:
# ans_no0 = [i for i in ans_no0 if i not in ans_no1]
# del_no = [i for i,v in enumerate(ans_no0) if v not in ans_no1]
# rest_item_split = [v for i,v in enumerate(rest_item_split) if i not in del_no]
ans_no1.extend(ans_no0)
# 先按换行格式获取答案(没有一行多个答案的情况)
print("ans_no1:",ans_no1)
print("item_type_num:",item_type_num)
if len(ans_no1) != item_type_num and len(ans_no1) != len(item_res):
if is_from_0 and len(ans_no1) > 1: # 答案确实只有部分或前面答案是图片形式==>有问题,1行多个答案的第1个答案也可能是从1开始!!!!
print('答案第6种切分方案:答案确实只有部分或前面答案是图片形式!')
# 先判断下是否连续,因为预先允许差一个;如果不连续,则进一步寻找后再切分
seq_no = find_seq_num(ans_no1)
if len(seq_no) > 1:
rest_item_split = [del_no(k) for k in rest_item_split]
all_item_ans.extend(rest_item_split)
for num, s in enumerate(seq_no[1:]):
if s[0] - seq_no[num][-1] == 2:
que_no = s[0]-1
last_idx = ans_no1.index(s[0]-2)
new_split = re.split("(\s+|【fei】)"+str(que_no)+"\s*[..、、]",all_item_ans[last_idx], maxsplit=1)
if len(new_split) == 3:
all_item_ans[last_idx] = new_split[0]
all_item_ans.insert(last_idx+1, new_split[2])
ans_no1.insert(ans_no1.index(s[0]), que_no)
else:
rest_item_split = [del_no(k) for k in rest_item_split]
all_item_ans.extend(rest_item_split)
ans_no = ans_no1 # 2021-11-22
else:
# 存在一行多个的情况,题号前必须有空格
temp_ans_no1, ans_no_idx1 = get_many_ans_no("\n" + anss_str, ans_item_no_type) # 初步获取
temp_ans_no1, ans_no_idx1 = get_right_no((ans_no_idx1, temp_ans_no1), 1) # 筛选
ans_no2 = ans_no.copy()
ans_no2.extend(temp_ans_no1)
print("ans_no2:", ans_no2)
if len(ans_no2) != item_type_num and len(ans_no2) != len(item_res): # 一行多个,题号前可有可无空格
# 题号前不要求空格时,出错的概率大,最好限制下范围,在按换行获取的题号中(在最后一个连续处中断,对前面不连续的题号做下面的操作)!!!!
new_anss_str = "\n" + anss_str
seq_no = find_seq_num(ans_no1)
ans_no_after = []
no_idx_after = []
print("seq_no:",seq_no)
if seq_no:
if seq_no[-1][0] in ans_no0:
ans_no_after.extend(ans_no0[ans_no0.index(seq_no[-1][0]):])
no_idx_after.extend(ans_no_idx0[ans_no0.index(seq_no[-1][0]):])
breakp = ans_no_idx0[ans_no0.index(seq_no[-1][0])]
new_anss_str = ("\n" + anss_str)[:breakp]
temp_ans_no21, ans_no_idx21 = get_many_ans_no(new_anss_str, ans_item_no_type, reget=1)
temp_ans_no21.extend(ans_no_after)
ans_no_idx21.extend(no_idx_after)
temp_ans_no21, ans_no_idx21 = get_right_no((ans_no_idx21, temp_ans_no21), 1) # 筛选
ans_no3 = ans_no.copy()
ans_no3.extend(temp_ans_no21)
print("ans_no3:", ans_no3)
if len(ans_no3) != item_type_num and len(ans_no3) != len(item_res):
# temp_ans_no22.extend(ans_no_after) # 不要
# ans_no_idx22.extend(no_idx_after) # 不要
# temp_ans_no22, ans_no_idx22 = get_right_no((ans_no_idx22, temp_ans_no22), 1) # 筛选
# ans_no4 = ans_no.copy() # 不要
# ans_no4.extend(temp_ans_no22) # 不要
# print("ans_no4:", ans_no4) # 不要
# if len(ans_no4) != item_type_num and len(ans_no4) != len(item_res):
print('可能存在答案格式(无序号)影响答案个数有问题!!!', )
# 也有可能题目比答案多,如理综题目不全
if abs(len(item_res) - len(ans_no1)) <= 2 or (len(ans_no1) > len(item_res) and ans_no1[0] == 1):
print('换行切分的答案个数与题目个数接近!!')
rest_item_split = [del_no(k) for k in rest_item_split]
all_item_ans.extend(rest_item_split)
ans_no = ans_no1
elif abs(len(item_res) - len(ans_no2)) <= 2 or (
len(ans_no2) > len(item_res) and ans_no2[0] == 1):
print('(换行+空格)切分的答案个数与题目个数接近!!', ans_no2)
rest_item_split = [del_no(("\n" + anss_str)[i:j]) for i, j in
zip(ans_no_idx1, ans_no_idx1[1:] + [None])]
all_item_ans.extend(rest_item_split)
ans_no = ans_no2
else:
# 在ans_no1, ans_no2中取连续的最长题号作为最后的答案
consecutive_no1 = get_consecutive_no(ans_no1)
consecutive_no2 = get_consecutive_no(ans_no2)
if len(consecutive_no1) >= len(consecutive_no2):
ans_no = ans_no1
rest_item_split = [del_no(k) for k in rest_item_split]
all_item_ans.extend(rest_item_split)
else:
ans_no = ans_no2
rest_item_split = [del_no(("\n" + anss_str)[i:j]) for i, j in
zip(ans_no_idx1, ans_no_idx1[1:] + [None])]
all_item_ans.extend(rest_item_split)
# elif all_item_ans: # 最后起码把表格答案、排列型答案先填上
# item_res = get_ans_match(item_res, all_item_ans, ans_no, group)
# else:
# print('答案第5种切分方案:存在一行多个答案,每个答案题号前可以没有空格2')
# rest_item_split = [del_no(("\n" + anss_str)[i:j]) for i, j in
# zip(ans_no_idx22, ans_no_idx22[1:] + [None])]
# all_item_ans.extend(rest_item_split)
# ans_no = ans_no4
else:
print('答案第4种切分方案:存在一行多个答案,每个答案题号前可以没有空格')
rest_item_split = [del_no(("\n" + anss_str)[i:j]) for i, j in
zip(ans_no_idx21, ans_no_idx21[1:] + [None])]
all_item_ans.extend(rest_item_split)
ans_no = ans_no3
else:
print('答案第3种切分方案:存在一行多个答案,且每个答案题号前必须有空格或顶格')
rest_item_split = [del_no(("\n" + anss_str)[i:j]) for i, j in
zip(ans_no_idx1, ans_no_idx1[1:] + [None])]
all_item_ans.extend(rest_item_split)
ans_no = ans_no2
else:
print('答案第2种切分方案:没有一行多个答案的情况!')
rest_item_split = [del_no(k) for k in rest_item_split]
all_item_ans.extend(rest_item_split)
ans_no = ans_no1
return all_item_ans, ans_no, repet_ans
def get_ans_match(item_res, all_ans, ans_no, repet_ans=None, *group):
"""
根据切分后的答案及其题号,与前面试题进行匹配更新,all_ans和ans_no的个数应该是相同的
:param item_res:
:param all_ans:
:param ans_no:
:return:
"""
for k, one_ans in enumerate(all_ans):
temp_id = "no"
# 从试题的res寻找与当前答案题号相同的题目的位置
temp_id_list = [i for i, v in enumerate(item_res) if k 1:
for j in temp_id_list:
if "key" not in item_res[j].keys():
temp_id = j
if temp_id != 'no': # 找到题目和答案相同的题目的序号时,没找到就先不要答案了
res_con = item_res[temp_id]['stem']
if group==((),) or not group: # 这里group参数是双层嵌套不定参数,if not group[0]
if k<= len(item_res)-1:
simp_res = only_parse_split(one_ans, item_res[temp_id]["type"], res_con)
item_res[temp_id].update(simp_res)
if repet_ans and item_res[temp_id]["item_id"] in repet_ans:
item_res[temp_id]["key"] = repet_ans[item_res[temp_id]["item_id"]]
else:
item_res[temp_id].update({'key': "", 'parse': ""})
else:
if group == 'group_ans':
item_res[temp_id]['key'] = one_ans
item_res[temp_id]['parse'] = ""
if group == 'group_parse':
item_res[temp_id]['parse'] = one_ans
if not item_res[temp_id]['key']:
item_res[temp_id]['key'] = '见解析'
if group[0] == 'model_split':
simp_res = only_parse_split(one_ans, item_res[temp_id]["type"], res_con)
item_res[temp_id].update(simp_res)
return item_res
def anss_split_contain_slave(subject, ans_str):
"""
针对地理中,一个材料多个小题的题目(含选择题),答案不连续且都是从1开始编号的情况按【答案】拆分
:param subject:
:return:
"""
if subject == "地理":
print("地理学科")
anss_split_by_key = re.split("\n\s*\d+\s*[、..、::]\s*【答案】|^\s*\d+\s*[、..、::]\s*【答案】",
ans_str)
if len(anss_split_by_key) > 1 and (not anss_split_by_key[0] or ("【答案】" not in anss_split_by_key[0] and
"【解析】" not in anss_split_by_key[0])):
anss_split_by_key = anss_split_by_key[1:]
for one_ans in anss_split_by_key:
parses = one_ans.split("【解析】",maxsplit=1)
temp_ans_no1, ans_no_idx1 = get_many_ans_no(one_ans, 1) # 初步获取
temp_ans_no1, ans_no_idx1 = get_right_no((ans_no_idx1, temp_ans_no1), 1) # 筛选
if __name__ == '__main__':
# one_item_ans = """
# (12分)
# (1)泥泞路面上行驶时,汽车受到的阻力为8000N;
# (2)速度为10m/s时,汽车的加速度-2m/s2;
# (3)汽车在AB段上的运动时间为30.625s.
# """
# res_con = """
# (12分如图所示,一质量为2×103kg的小汽车从倾斜路面上以20m/s的速度经A点驶入泥泞的水平路面,行驶200m路程后到达B点,速度降为5m/s,此后速度保持恒定,已知整个过程中汽车发动机的输出功率恒为40kW.求:
# (1)泥泞路面上行驶时,汽车受到的阻力;
# (2)速度为10m/s时,汽车的加速度;
# (3)汽车在AB段上的运动时间.
# """
# rr=only_parse_split(one_item_ans, "计算题", res_con)
# print(rr)
a=get_array_ans('1.B 2. C 3. D 4. B 5. B 6. C 7. B 8.A 9. AD 10. ACD 11. BC 12. CD', [], 1)
print(a) |