#!/usr/bin/env/python # -*- coding:utf-8 -*- import re from utils.washutil import table_label_cleal, del_no from utils.topic_no import * def anss_structure_with_type(item_res, ans_str, all_type, all_type2,item_type_num,item_type_classify): """ 针对含题型行的答案进行结构化 :return: """ rd1_is_fail = 0 is_amount_wrong = 0 if len(all_type2) == len(all_type): # try: if not all_type[0]: # 第一大题型不存在 all_type[0] = all_type2[0] if all_type.count(all_type[0]) > 1: item_type_classify[all_type[0]] += item_type_num[0][1] if sorted(all_type) != sorted(all_type2): # !!!!!!还需细分 print("题文和答案中的题型不一致,题文中的题型={},答案中的题型={}".format(str(all_type), str(all_type2))) ans22 = re.split(r"\n\s*[一二三四五六七八九十]\s*[、..、::]\s*[^必考基础综合中等]{2,4}题.*?[分。.]?\s*(?=\n)" r"|\n\s*[、..、::]?\s*[单多]选题.*?[分。.]?\s*(?=\n)" r"|\n\s*[、..、::]?\s*[不定非]*?选择题.*?[分。.]?\s*(?=\n)" r"|\n\s*[、..、::]?\s*填空题.*?[分。.]?\s*(?=\n)" r"|\n\s*[、..、::]?\s*[解简答作图论述探究计算]+?题.*?[分。.]?\s*(?=\n)", ans_str) while re.search(r"[A-H\u4e00-\u9fa5]", ans22[0]) is None: del ans22[0] ans22 = [i for i in ans22 if i.strip()] if len(ans22) > len(all_type): rd1_is_fail = 1 return item_res, rd1_is_fail ans_item_no_type = judge_ans_no_type(ans22, item_type_num) # 初步判断答案中的题号类型 # print("tihao类型:", ans_item_no_type) # ----------------------------------------------------------------- # 开始按题号切分题目!!!!!!!!!!!!!!! type_id = 0 new_ans_no = [] all_ans = [] for num, one_type in enumerate(ans22): # 当前题型中的题目数量(以试题的题目个数为准) # one_type_num = item_type_classify[all_type[num]] # if len(all_type2) != len(item_type_classify): # 存在重复题型 one_type_num = item_type_num[num][1] print("one_type_num :", one_type_num) # 1>> 先按题号都在行首的情况(一行不多于一个答案) item_id = 0 one_type_ans = [] one_type_no = [] # 规范化 one_type = re.sub("\n\s*(\${*?)([1-9][0-9]|[1-9])\s*([..、、])(.+?)", r"\n\2\3\1\4", one_type) one_type = re.sub("\$(([1-9][0-9]|[1-9])\s*[..、、].+?)", r"$ \1", one_type) one_type = re.sub("(\${*?)([1-9][0-9]|[1-9])\s*([..、、])\s*(?!\d)", r" \2\3\1", one_type) item_no_info = pre_get_item_no('\n'+one_type, ans_item_no_type) # 初步按非表格非排列的形式获取题号信息 print("初步题号11:", item_no_info) if not item_no_info: # 表格答案和排列型答案应该不同时存在!!! if "table" in one_type: if "选" not in all_type2[num] and "选" not in all_type[num]: # 不是选择题则去掉表格格式 one_type = get_table_ans(one_type, new_ans_no, flag=2) # 去掉表格中的换行符,无用 item_no_info = pre_get_item_no('\n' + one_type, ans_item_no_type) else: # 存在表格答案 ans_no, table_ans = get_table_ans(one_type, new_ans_no) print("表格答案11:",table_ans, ans_no) if table_ans: one_type_ans.extend(table_ans) one_type_no.extend(ans_no) else: one_type_no, one_type_ans = get_array_ans(one_type, new_ans_no, item_res[0]['item_id'], temp_type=all_type[num]) if item_no_info: # 一行多个时,可能初步提取的题号只有1-2个 # 表格答案和1-10BCCDBB 答案类型 应该不同时存在吧 local_ans_no1, items_no_idx = get_right_no(item_no_info) print("local_items_no:", local_ans_no1) print("local_items_no_idx:", items_no_idx) is_from_0 = 1 # shi if items_no_idx[0] != 0 and local_ans_no1[0] > 1: items_no_idx.insert(0, 0) is_from_0 = 0 # fei one_item_split = [("\n" + one_type)[i:j] for i, j in zip(items_no_idx, items_no_idx[1:] + [None])] while re.search(".*?
", one_item_split[0], flags=re.S): ans_no, table_ans = get_table_ans(one_item_split[0],new_ans_no) one_type_ans.extend(table_ans) one_type_no.extend(ans_no) one_item_split[0] = re.sub("(((?!()).)*)
", "", one_item_split[0], flags=re.S) if not is_from_0: 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)[::]', one_item_split[0].replace(" ", "")) is None: raw_items_no = [int(i[1]) for i in item_no_info] # print("2021-10-20:", new_ans_no[-1], raw_items_no[0]) if new_ans_no and new_ans_no[-1] != raw_items_no[0] - 1: one_item_split = one_item_split[1:] items_no_idx = items_no_idx[1:] else: local_ans_no1.insert(0, local_ans_no1[0]-1) # -------开始判断答案个数是否正确------------------------ one_type_no1 = one_type_no.copy() one_type_no1.extend(local_ans_no1) print('开始:', one_type_no1, one_type_num) if len(one_type_no1) != one_type_num: # 存在一行多个的情况,题号前必须有空格 one_type_str = '\n' + '\n'.join(one_item_split) # 本部分的str,要保留题号信息 ans_no1, ans_no_idx1 = get_many_ans_no(one_type_str, ans_item_no_type) local_ans_no2, ans_no_idx2 = get_right_no((ans_no_idx1, ans_no1), 1) one_type_no2 = one_type_no.copy() one_type_no2.extend(local_ans_no2) # print('one_type_no2:', one_type_no2) if len(one_type_no2) != one_type_num: # 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对不连续的题号做这种操作!!!! # 有题型行的一般归类比较工整点,所以先不操作 ans_no21, ans_no_idx21 = get_many_ans_no(one_type_str, ans_item_no_type, reget=1) local_ans_no3, ans_no_idx3 = get_right_no((ans_no_idx21, ans_no21), 1) one_type_no3 = one_type_no.copy() one_type_no3.extend(local_ans_no3) # print('one_type_no3:', one_type_no3) if len(one_type_no3) != one_type_num: print("第" + str(num + 1) + "大题(" + all_type[num], ")答案个数有问题!!!") is_amount_wrong = 1 if 0= len(consecutive_no2): one_type_no = one_type_no1 one_item_split = [del_no(i, ans_item_no_type) for i in one_item_split] one_type_ans.extend(one_item_split) else: one_type_no = one_type_no2 new_item_split = [del_no(one_type_str[i:j], ans_item_no_type) for i, j in zip(ans_no_idx2, ans_no_idx2[1:] + [None])] one_type_ans.extend(new_item_split) else: print("第三种题号切分方案") new_item_split = [del_no(one_type_str[i:j], ans_item_no_type) for i, j in zip(ans_no_idx3, ans_no_idx3[1:] + [None])] one_type_ans.extend(new_item_split) one_type_no = one_type_no3 else: print("第二种题号切分方案") new_item_split = [del_no(one_type_str[i:j], ans_item_no_type) for i, j in zip(ans_no_idx2, ans_no_idx2[1:] + [None])] one_type_ans.extend(new_item_split) one_type_no = one_type_no2 else: print("第一种题号切分方案") one_item_split = [del_no(i, ans_item_no_type) for i in one_item_split] one_type_ans.extend(one_item_split) one_type_no = one_type_no1 # -------------------------------------------------------------------------------------------- print("第" + str(num + 1) + "大题(" + all_type[num], ")答案题号:", one_type_no) # print('答案:', one_type_ans) # ------------------------------------题目和答案组合--------------------------------------------------- # 按题号进行组合 if not is_amount_wrong: if one_type_ans: print('one_type_no:',one_type_no) print('one_type_ans:', one_type_ans) for k, one_item in enumerate(one_type_ans): # temp_id = item_id + type_id # 当前答案在整个答案中的序号,此方法不好 if len(one_type_no) == len(one_type_ans): temp_id = -1 # # ----------当前答案序号与题号对不上时------ # if item_res[temp_id]["item_id"] != one_type_no[k]: # # 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 v["item_id"] == one_type_no[k]] if len(temp_id_list) == 1: temp_id = temp_id_list[0] elif len(temp_id_list) > 1: for j in temp_id_list: if "key" not in item_res[j].keys(): temp_id = j #--------------------end------------------ if temp_id != -1: res_con = item_res[temp_id]['stem'] if one_item.strip().upper() in ["A", "B", "C", "D", "E"]: item_res[temp_id].update({'parse': "", 'key': one_item.strip().upper()}) else: 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 else: for k, one_item in enumerate(one_type_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 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'(((?!()).)*)', 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('(((?!()).)*)', 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*$", r"\n\1、", v) for row in row_list[1:] for v in row] anss[0] = "\n" + " ".join(row_list) is_other_table = True elif re.search("^\s*([1-9]|[12][0-9])\s*[..、、::].+?", "".join(row_list[0])): temp_id = re.search("^\s*([1-9]|[12][0-9])\s*[..、、::].+?", "".join(row_list[0])).group(1) if ans_no and 1 <= int(temp_id) - ans_no[-1] <= 2: # anss[0] = re.sub(r'|||', '', anss[0]) anss[0] = "\n" + "\n".join(["".join(i) for i in row_list]) is_other_table = True else: print("row_list:", row_list) # if "题号" in row_list[0] and len(row_list) > 1: # row_list = [re.sub("^\s*([1-9]|[1-2][0-9])\s*([((]\s*\d{1,2}\s*分?\s*[))])?\s*$", 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)