90万道小学语数外、初高中语数外政史地理化生共21科习题。

题库输出

处理完毕的题目存放于根目录/dataset_goosefs/cos_shanghai_2/ready_datasets/zh2/shiti/output 将根据处理框架的更新情况刷新题目：

  • 20230722更新：/dataset_goosefs/cos_shanghai_2/ready_datasets/zh2/shiti/output/20230722

习题总体情况

  • 习题含图片约占30%，共计32万道左右，包括题干有图片、选项有图片、解答有图片（公式以图片表述、比较少用的数学符号以图片插入），这部分完全不能解析；
  • 习题含公式约占20%，这部分不含图片，能使用脚本或者Pandoc软件解析；
  • 选择题（单道选择题约占总数60%，多道选择题约占总数20%），填空题约占10%，简答题和作文题共计占10%，总共能用的题目约61万道。
  • 目前尚未发现不能转换的docx格式，仅转换了所有习题中的docx文件，未转换doc格式的文件（占比小于5%，转换较为复杂，尚未研究明白）。

习题转换项目

1
2
3
4
5
6
7
8
9
10
11
{
  "text": "Query: 下列关于浓硫酸的叙述正确的是( )\nA.若浓硫酸不慎洒落在皮肤上应立即用干布拭去，再用大量水冲洗\nB.可使蔗糖变黑，体现了浓硫酸的吸水性\nC.常温下，浓$H_{2}SO_{4}$可以用铝制容器贮存，说明铝与浓$H_{2}SO_{4}$不反应\nD.可使胆矾变白，体现了浓硫酸的脱水性\n[题文]下列关于浓硫酸的叙述正确的是( )\nA. 若浓硫酸不慎洒落在皮肤上应立即用干布拭去，再用大量水冲洗\nB. 可使蔗糖变黑，体现了浓硫酸的吸水性\nC. 常温下，浓$H_{2}SO_{4}$可以用铝制容器贮存，说明铝与浓$H_{2}SO_{4}$不反应\nD. 可使胆矾变白，体现了浓硫酸的脱水性\nAnswer: A\n",
  "meta": {
    "id": "SYS201902142110121080822046",
    "subject": "高中化学",
    "grade": "九年级",
    "about": "硫酸和浓硫酸的性质",
    "resolution": "解：A.浓硫酸溶于水放出大量的热，且具有腐蚀性，不能用水直接冲洗，应立即用干布拭去，故A正确； \nB.浓硫酸使蔗糖变黑，蔗糖脱水、碳化，表现脱水性，故B错误；\nC.浓硫酸与铝发生钝化反应，在表现生成一层致密的氧化膜，故C错误；\nD.浓硫酸使胆矾变白表现吸水性，故D错误.\n故选A.",
    "type": "shiti/multiple-choice"
  }
}

其中，text字段的内容格式如下（为了便于查看格式，已将全部换行符\n更改为回车换行）：

1
2
3
4
5
6
7
8
9
10
Query: 氢氟酸是一种弱酸，可用来刻蚀玻璃.已知25℃时： 
①HF(aq)+O$H^{-}(aq)$⇌$H_{2}O(l)+F(aq)$△H=-67.7kJ/mol
②$H^{+}(aq)+OH^{-}(aq)$═$H_{2}O(l)$△H=-57.3kJ/mol
在20mL0.1mol/L的氢氟酸中滴加0.1mol/L的NaOH V mL，下列说法正确的是( )
A.氢氟酸的电离方程式及热效应可表示为：HF(aq)⇌$H^{+}(aq)+F^{-}(aq)$△H=+10.4kJ/mol
B.当V=20 mL时，溶液中：c(O$H^{-})=c(HF)+c(H^{+})$
C.当V=20 mL时，溶液中：c($F^{-})=c(Na^{+})=0.1mol/L$
D.当v>0时，溶液中一定存在c(N$a^{+})>c(F^{-})>c(OH^{-})>c(H^{+})$
Answer: B

meta字段均来自文件名的解析，resolution是该题目的题解，如果没有解析部分，该字段为空，type字段是对文本text的解析，包括了multiple-choice，short-answer和gap-filling三种类型。

主要实现思路

  • 保留尽可能多的源格式，经过实验，证实pandoc转换对格式的损失非常大，不能直接用作转换软件；
  • 尽量把常见的数学符号都使用tex语法表示，正文中除了中文字符和常见的中文符号（，。？！——……“：；’·）以外，尽量使用tex表示非ascii码字符。

部分转换问题

  • 在语文简答题中，大量存在对原文的标注：例如“下列各项对原文划波浪线句子赏析正确的是”、“文中加点的词语的意义解释正确的是”等题干，而直接使用上述项目转换后，丢失了大量的格式化标注，保留该格式化标注需要在源码中去修改XLS 文件，较为复杂。现已知woodyclean会对text字符串去除网页标签和不能解析的字符，而网页标签和tex代码是题目的重要部分，是否有必要保留这些标签和字符？
  • 0722发现问题：部分题目转换后产生重复现象，即题干反复出现两次，仅见于以”[题文]”开头的题目中
  • 化学方程式中，等号上方带有中文，这部分转换失败，相当一部分原因是原题的格式就不对，如下图所示，另一部分还在考虑修改中。

Untitled