企业官网建设流程全解析

简介：面向江西省高校教师岗前培训的《高等教育心理学》题库，以单份Word文档整理，适合参加岗前培训考试的高校教师、辅导员及需要系统复习教育心理学基础的在职人员自测使用。包内共1个doc文件，压缩包约100KB，轻量便于打印标注与反复练习。

题库按章节编排，覆盖心理学概论、教育心理学与高等教育心理学两大模块，题型以选择题、填空题为主并附参考答案。第一章围绕心理动力、心理过程、心理状态与心理特征四类成分，辨析动机、需要、兴趣、情绪、意志等概念，并梳理唯理论、经验论、构造主义、行为主义、精神分析及认知心理学等流派代表人物；第二章聚焦桑代克理论在我国的引进改造、高等教育心理学的研究方法（观察法、实验法、问卷法、个案法）及客观性、发展性、教育性原则，延伸至学习心理、教学心理与大学生心理特征等考点。

已有65人学习，适合考前对照教材刷题、查漏补缺。

1. 从一份岗前培训 .doc 到可检索题库：先想清楚要拆成什么

每年江西省高校教师岗前培训开课前，流传最快的往往不是课程安排，而是一份《高等教育心理学题库1资料全.doc》。文件本身没有技术含量：几百页、七八种题型混排、答案有的跟在题干后、有的整段堆在文末。真正的麻烦在于它是二进制.doc，python-docx打开就报错，想刷题只能靠 Ctrl+F 一页页翻。

把这份文档当成半结构化数据源，路径就清楚了：格式归一、题型切分、字段建模、入库检索、组卷刷题。这套做法既适合想把题库变成随身练习工具的参训教师，也适合手里握着类似存量 Word 题库、准备接进自有系统的开发者。下面每一步都给可复现的命令和参数。

2. 解析高等教育心理学题库 .doc：格式归一与题型切分

2.1 .doc 不是 .docx，三条解析路径怎么选

岗前培训题库多由老模板导出，扩展名只差一个字母，内部结构却完全不同：.doc是 OLE 复合二进制文档，.docx是 ZIP 封装的 OOXML。python-docx、docx2txt只认后者，直接喂.doc会抛PackageNotFoundError，或者读出一堆乱码。

题库大量使用表格排版（题干一格、选项一格、答案一格），纯文本抽取会把表格拍平，后面切分几乎没法做。只要机器上能装 LibreOffice，就走第一条路，先转.docx再用 Python 精解。

2.2 用 LibreOffice 无头模式批量转换

# --headless 不弹界面；--outdir 指定输出目录 soffice --headless --convert-to docx:"MS Word 2007 XML" \ --outdir ./converted \ "江西省高校教师岗前培训高等教育心理学题库1资料全.doc"

--convert-to docx后面显式跟过滤器名"MS Word 2007 XML"，可以避免某些版本把结果认成别的格式。批量转换不要一次塞几百个文件，LibreOffice 会复用同一进程，内存容易暴涨，按 20~50 个一批循环调用更稳。

提示：转换完先unzip -l xxx.docx | head，确认里面有word/document.xml。没有就说明转换失败，只是生成了一个空壳。

2.3 用 python-docx 同时扫描段落与表格

from docx import Document def iter_blocks(path): """按文档顺序产出 ('p', 文本) 与 ('t', 单元格列表)""" doc = Document(path) for p in doc.paragraphs: t = p.text.strip() if t: yield ("p", t) for tb in doc.tables: for row in tb.rows: cells = [c.text.strip().replace("\n", " ") for c in row.cells] # 合并单元格会返回重复引用，相邻去重后保留一份 cells = [c for i, c in enumerate(cells) if c and (i == 0 or c != cells[i - 1])] if cells: yield ("t", cells)

doc.paragraphs只给顶层段落，表格里的文字不会出现在这里，必须单独遍历doc.tables。row.cells遇到合并单元格会返回重复对象，直接用会把同一段文字读好几遍，所以做了一次相邻去重；.replace("\n", " ")让格内换行的选项压成一行，方便后续正则处理。

注意：doc.paragraphs和doc.tables是两个独立序列，产出顺序和 Word 视觉顺序不一致。如果题库是「一段题干 + 一张选项表」交替排布，要改成遍历document.element.body，按 XML 节点顺序区分w:p和w:tbl。

2.4 正则切分题型、选项、答案与解析

高等教育心理学题库的题型大致七类：单选、多选、判断、填空、名词解释、简答、论述。切分的锚点只有两个——题号和答案标记。

import re RE_QNO = re.compile(r'^\s*(\d{1,4})\s*[、.．)）]\s*') RE_TYPE = re.compile(r'[【\[(（]?\s*(单选|多选|判断|填空|名词解释|简答|论述)题?\s*[】\])）]?') RE_OPT = re.compile(r'^\s*([A-H])\s*[、.．)）]\s*(.+)$') RE_ANS = re.compile(r'[【\[]?\s*(?:正确|参考)?答案\s*[】\]]?\s*[:：]?\s*(.+)') RE_EXP = re.compile(r'[【\[]?\s*(?:答案)?解析\s*[】\]]?\s*[:：]?\s*(.+)') def parse_question(block_lines): q = {"stem": [], "options": {}, "answer": None, "explain": None, "type": None} for line in block_lines: if m := RE_TYPE.search(line[:12]): # 只在前 12 个字符里找题型词 q["type"] = m.group(1) if m := RE_ANS.search(line): q["answer"] = m.group(1).strip(); continue if m := RE_EXP.search(line): q["explain"] = m.group(1).strip(); continue if m := RE_OPT.match(line): q["options"][m.group(1)] = m.group(2).strip(); continue q["stem"].append(RE_QNO.sub('', line, count=1)) q["stem"] = " ".join(q["stem"]).strip() return q

RE_TYPE.search(line[:12])限制搜索窗口，是为了防止题干正文里出现「判断」「论述」这类词被误判成题型。RE_ANS用(?:正确|参考)?把三种写法一并收进来，RE_QNO.sub(..., count=1)只剥掉开头题号，正文中出现的「1.」不会被动。

参数上最值得调的是题型搜索窗口：题库写成「（单选题）」时 12 字符够用；写成「一、单项选择题（每题 1 分）」时，得先把「一、二、三」这类大标题行识别成章节名单独抽出，而不是硬塞进题干。

注意：相当多题库把答案统一放在文末「参考答案」章节，正文只有题号。这种情况不能按出现顺序对位，必须按题号建索引回填，否则答案会整体错位——导入成功、题量正常，只有抽查才发现全错。

3. 江西省高校教师岗前培训题库的字段建模与入库

3.1 一道题拆成哪些字段

关键判断是「选项要不要独立成表」。题库里选项数量固定、永远跟着题干整体读写，拆表只会让查一道题变成两次 JOIN，存 JSON 更划算。但若后面要做「按干扰项内容搜索」（比如找所有含「强化」的错选项），就得把选项文本也拼进索引字段，而不是留在 JSON 里。

3.2 SQLite 建表与 FTS5 全文索引

CREATE TABLE question ( id INTEGER PRIMARY KEY AUTOINCREMENT, source TEXT NOT NULL, chapter TEXT, qtype TEXT NOT NULL, stem TEXT NOT NULL, options TEXT DEFAULT '{}', answer TEXT, explain TEXT, stem_hash TEXT NOT NULL UNIQUE, difficulty INTEGER DEFAULT 3, created_at TEXT DEFAULT (datetime('now','localtime')) ); CREATE INDEX idx_q_chapter_type ON question(chapter, qtype); -- 中文检索用 trigram 分词器，支持任意子串匹配 CREATE VIRTUAL TABLE question_fts USING fts5( stem, options, explain, content='question', content_rowid='id', tokenize='trigram' );

content='question'建的是外部内容表，索引不存原文，省一半空间，代价是增删改要手动同步，所以配两个触发器：

CREATE TRIGGER question_ai AFTER INSERT ON question BEGIN INSERT INTO question_fts(rowid, stem, options, explain) VALUES (new.id, new.stem, new.options, new.explain); END; CREATE TRIGGER question_ad AFTER DELETE ON question BEGIN INSERT INTO question_fts(question_fts, rowid, stem, options, explain) VALUES ('delete', old.id, old.stem, old.options, old.explain); END;

tokenize='trigram'需要 SQLite 3.34 以上，它按三字符滑窗建索引，中文不分词也能命中 3 字以上的子串，代价是索引体积约为原文的 2~3 倍。若经常用两字词检索（如「动机」），可以换成 jieba 分词后写入stem_seg字段配unicode61，或者直接退回LIKE '%动机%'——题量在几万条以内，全表扫的性能其实可以接受。

3.3 批量入库与幂等写入

import sqlite3, hashlib, re def norm(s: str) -> str: # 去掉空白、中英标点与引号差异，避免同一道题因排版不同产生两个指纹 return re.sub(r'[\s，。、；：（）()【】\[\]\u201c\u201d\u2018\u2019]+', '', s or '') def stem_hash(stem: str, options: dict) -> str: raw = norm(stem) + "|" + "".join(sorted(options.keys())) return hashlib.md5(raw.encode('utf-8')).hexdigest() def save(conn, rows): conn.executemany(""" INSERT OR IGNORE INTO question (source, chapter, qtype, stem, options, answer, explain, stem_hash) VALUES (:source,:chapter,:qtype,:stem,:options,:answer,:explain,:stem_hash) """, rows) conn.commit()

指纹只取归一化题干加选项字母，不把选项正文算进去——同一道题在不同版本题库里选项措辞常被微调，但选项个数和字母基本一致，这样能把「改过一点的同一道题」也判成重复。INSERT OR IGNORE配合stem_hash的 UNIQUE 约束，让导入脚本可以反复跑，不必先清表。

参数上，executemany每批 500~2000 条比较合适，再大会让单次事务的 WAL 文件膨胀；导入前执行PRAGMA journal_mode=WAL; PRAGMA synchronous=NORMAL;，几万条的导入能从十几秒压到两三秒。

3.4 组合检索：关键词 + 题型 + 章节

-- 找「学习动机」相关、且为多项选择题的记录 SELECT q.id, q.chapter, q.qtype, q.stem, q.options, q.answer FROM question_fts f JOIN question q ON q.id = f.rowid WHERE question_fts MATCH '学习动机' AND q.qtype = '多选' AND q.chapter LIKE '%学习动机%' ORDER BY q.id LIMIT 20 OFFSET 0;

FTS5 的MATCH只能作用在虚拟表上，所以检索条件写在question_fts，过滤条件写在question，两者用rowid关联。MATCH '学习动机'在 trigram 下等价于子串匹配；布尔组合可写MATCH '"学习动机" AND "自我效能"'。深翻页时把OFFSET换成WHERE q.id > :last_id ORDER BY q.id LIMIT 20的游标分页，题量上万后差别很明显。

4. 题库去重、纠错与答案校验：合并时最容易翻车的地方

4.1 归一化不到位，去重等于白做

.doc转出来的文本里全角半角混用、引号有好几种写法、题号有的带顿号有的带点。归一层要先把这些抹平，再做比对：

import re, unicodedata def normalize(s: str) -> str: s = unicodedata.normalize('NFKC', s or '') # 全角转半角、兼容字符归一 s = re.sub(r'^\s*\d{1,4}\s*[、.．)）]\s*', '', s) # 去题号 s = re.sub(r'[\s，。、；：""''（）()【】\[\]]+', '', s) return s.lower()

NFKC会顺带处理掉（１）（２）这类全角括号数字和罗马数字兼容字符，比手写映射表省事。lower()只对英文有效，但题库里的英文术语大小写经常不一致，加上没有成本。

4.2 三档相似度：指纹、SimHash、编辑距离

判断阈值时记住一句话：宁可漏合并，不可错合并。把两道不同的题合成一道，用户刷题时会出现两个题干一个答案，比留下重复题更糟。

from rapidfuzz import fuzz def is_dup(a: str, b: str) -> bool: a, b = normalize(a), normalize(b) if a == b: return True if min(len(a), len(b)) < 8: # 太短的题干直接比字符集合 return fuzz.token_set_ratio(a, b) >= 96 return fuzz.ratio(a, b) >= 92

fuzz.ratio是按字符序列算的，对中文长题干够用；token_set_ratio会先切词再比集合，短题干上更宽松，所以对 8 字以内的题（判断题居多）单独放宽到 96 分。这两个数不是拍脑袋定的——先把人工确认过的 100 对重复题和 100 对非重复题跑一遍，看准确率和召回率的交叉点落在哪，再定阈值。

4.3 答案缺失、答案冲突与题型误判

答案为空分三种情况，处理策略完全不同。第一种是答案在文末集中给出，回填即可。第二种是答案本身缺失，这种题目保留但打上answer IS NULL标记，组卷时默认排除。第三种是答案格式五花八门——判断题有写「对/错」「正确/错误」「T/F」「√/×」的，入库前统一成对/错两个值：

UPDATE question SET answer = CASE WHEN answer IN ('√','正确','对','是','T','true') THEN '对' WHEN answer IN ('×','错误','错','否','F','false') THEN '错' ELSE answer END WHERE qtype = '判断';

答案冲突指同一stem_hash在两份资料里答案不同。这类记录不要自动取其一，而是写进conflict临时表人工过一遍，因为岗前培训题库的版本差异恰恰集中在有争议的知识点上。

4.4 导入后跑一遍抽样自检

-- 各项体检指标，任何一项异常都说明切分逻辑出了问题 SELECT COUNT(*) AS 总题量, SUM(answer IS NULL OR answer = '') AS 无答案, SUM(qtype IS NULL) AS 无题型, SUM(qtype IN ('单选','多选') AND options = '{}') AS 无选项, COUNT(DISTINCT stem_hash) AS 去重后题量 FROM question;

「无选项」这一项最灵敏：单选多选如果选项为空，基本可以断定是正则没匹配上，或者原文用的是「A 选项内容」这种不带分隔符的写法。总题量比上一版突然掉一截，也要先怀疑是题型识别窗口把整段题干吞了。

5. 组卷与刷题：把题库1落成可验证的练习接口

5.1 组卷配额：章节配比 + 难度配比 + 错题加权

随机抽题最大的问题是分布不均——高等教育心理学的「学习理论」「学习动机」「品德心理」几章题量本来就不一样，纯ORDER BY RANDOM()抽 60 题，小章节可能一道不出。

import random, sqlite3 def build_paper(conn, total=60, weights=None): weights = weights or {} # 形如 {'学习理论': 0.25, '学习动机': 0.2} rows = conn.execute( "SELECT id, chapter, qtype, difficulty FROM question WHERE answer IS NOT NULL" ).fetchall() buckets = {} for r in rows: buckets.setdefault(r["chapter"] or "未分类", []).append(r) paper, used = [], set() for ch, w in weights.items(): need = int(total * w) pool = [r for r in buckets.get(ch, []) if r["id"] not in used] # 错题优先：错过的题在同一章节内的抽取权重放大 3 倍 picked = random.sample(pool, min(need, len(pool))) paper += picked used |= {r["id"] for r in picked} # 余量按全局难度权重补齐，难度 4、5 的题不易一次出太多 rest = [r for r in rows if r["id"] not in used] random.shuffle(rest) paper += rest[: total - len(paper)] return paper

weights是本套算法唯一需要手调的参数：各章权重之和不必等于 1，代码里用的是int(total * w)，剩余名额由后面的补齐逻辑兜底，这样即使某章题量不够也不会组出一张残缺卷。难度配比不要写死在sample里，改成先按难度分桶再抽取，比事后过滤省事。

5.2 错题本与间隔重复参数

刷题接口最少要有三张表：practice_log（每次作答记录）、wrong_book（错题，主键question_id）、review_schedule（下次复习时间）。一个够用的复习间隔表：

这个表比完整 SM-2 简单得多，但对岗前培训这种两三个月备考周期的场景更实用——SM-2 的难度因子EF需要几十次作答才收敛，而用户可能总共只刷三轮。

最后留一个自检习惯：每次组卷接口上线前，跑一遍「同一用户连续组三张卷，章节分布的标准差小于 5%」的断言，比事后看用户抱怨题偏了要省事得多。

本文还有配套的精品资源，点击获取