简介计算机三级网络技术备考者可用的真题文件覆盖网络设备、服务器、主机板、网卡、压缩标准、操作系统、进程管理、存储管理、文件管理、设备管理、中断事件、地址映射、文件存取方式、文件物理结构、计算机网络分类、路由选择算法与资源共享等核心考点适合考前刷题和查漏补缺。资源包共1个PDF文件大小约304KB方便直接打印或电子浏览PDF内为2002年9月全国计算机等级考试三级网络技术真题及答案含选择题六十道每题对应具体知识点并附正确答案可帮助考生快速自测与复盘。已有795人学习适用于备考计算机三级网络技术、希望熟悉真题题型与命题思路的考生。通过练习可巩固网络基础概念理解操作系统与网络原理的高频考查方式提升应试准确率。1. 计算机三级网络技术真题 PDF先把它当数据再当教材计算机三级网络技术真题.pdf 是备考这个科目时手边常备的复习材料形态上多是近几年真题合订几十到上百页。多数人的用法是打开 pdf 阅读器从头翻高亮几笔、对完答案就合上。问题恰恰出在这真题是高度结构化的数据却被当成线性读物消费。选择题、综合题、应用题的高频考点、重复考法和失分分布全埋在页面里翻是翻不出统计意义的。下文把它拆成四步解析切分、建库抽题、刷题闭环、扫描版 OCR。备考者图省时间做运维和培训的人也能把这套流程搬到自己的资料整理上。2. 用 pdf 解析把计算机三级网络技术真题切成可检索的文本块2.1 只靠 pdf 阅读器翻真题的三个硬伤拿到这份 PDF 的第一反应大多是打开 pdf 阅读器直接读。这个动作对了解题型够用对训练正确率不够而且有三处硬伤。一是没法抽题想单独把五年里的综合题集中做一遍只能手动一页页翻二是没法统计做错的题到底是路由配置不会还是 IP 规划不会靠记忆根本说不准三是批注封闭即便用支持免费手写笔记的 pdf 阅读器做过的痕迹也散在页面里导不成错题集合。pdf 阅读器的查找功能只能命中同一份文件里出现过的字样对「哪年考过哪种题」这种问题是无能为力的。在动工具之前先把这份 PDF 的结构摸清楚。计算机三级网络技术真题的版式很固定常见结构如下表。不同年份的分值占比以当年官方大纲为准但「选择 综合 应用」的三段分区几乎所有真题 PDF 都沿用。切题时按这个结构分块后面按题型抽题和做统计才有据可依。分区常见分值占比典型考法切分特征单项选择题约 40%概念、协议、设备选型选项 A–D题干以「1」「1.」开头选项成组出现综合题约 40%给场景填命令、填配置、IP 规划计算大段场景描述加编号填空应用题约 20%拓扑图加设备与地址方案设计图多文字少答案以段落为主另外提醒一句先别用 pdf 拆分工具按页拆。那是按物理边界切后面做逻辑筛选时还得重新拼按题型切才是能复用的逻辑边界。2.2 文本型与扫描版真题 PDF 的识别先判断再选解析工具能不能直接解析取决于 PDF 内部有没有文本层。文本型 PDF 在导出时把字符编码写进了内容流pdf 阅读器能选中、能查找、能复制扫描版 PDF 每页只有一张大图字符是像素查找时一片空白。判断方法很直接抽几页文本看字符数。pdftotext -f 3 -l 5 计算机三级网络技术真题.pdf - | wc -m-f 3 -l 5限定只抽第 3 到 5 页wc -m统计输出字符数。文本型会返回几百到上千字符扫描版基本在两位数以内甚至为空。没有 pdftotext 时用 pdfplumber 打开第一页执行page.extract_text()也能判断但命令行这种方式更快适合先试一份不认识的 PDF。判断为文本型后解析工具我一般用 PyMuPDFfitz。它的提取速度比 pdfplumber 快一个量级而且对中文 PDF 的字体编码容错更好。pdfplumber 的强项是拿到每个字符的坐标适合对选择题选项做对齐分析但整卷切题这个活用不上坐标速度反而是短板。判断为扫描版的话这一步先跳过直接看第 5 章的 OCR 方案。注意文本层正常不代表一定可解析。有些 PDF 做了字体子集嵌入却丢了 ToUnicode 映射复制出来是一串乱码。遇到这种情况切完题必须抽查几道题干能否对应上原页不能盲目信任解析结果。还要提一个实际坑用虚拟打印或在线导出工具生成的真题 PDF文本层顺序经常和视觉排版不一致可能选项先于题干出现。这种文件在切题后要做一次「题干与选项是否配对」的抽样验证再把结果交给后面的题库流程。2.3 用 PyMuPDF 提取真题文本并清掉页眉页脚文本型 PDF 的页眉页脚是切题时最先要清的噪音。很多真题 PDF 每页顶部都带「计算机三级网络技术真题」字样底部带页码这些行混进题干里会影响后续按题号切分。import fitz import re doc fitz.open(计算机三级网络技术真题.pdf) head_foot re.compile(r^(第\s*\d\s*页|共\s*\d\s*页|计算机三级[^\n]{0,20})$) pages_text [] for i, page in enumerate(doc): text page.get_text(text) lines [ln for ln in text.splitlines() if not head_foot.match(ln.strip())] pages_text.append((i 1, \n.join(lines))) print(f共 {len(pages_text)} 页前 3 页字符数 f{sum(len(t) for _, t in pages_text[:3])})page.get_text(text)拿到的是按阅读顺序排好的文本块。head_foot这个正则只匹配整行的「第 3 页」「共 120 页」以及「计算机三级」开头的页眉加了^和$锚定不会误伤题干里正常的文字。enumerate从 0 开始存入列表时记成i 1表示物理页码后面错题回卷定位用的就是它。2.4 按「选择 → 综合 → 应用」切分题块并输出块统计清完噪音后先把每一行归到所属题型分区再按题号切出独立题块。section_pat re.compile(r^\s*(一、|二、|三、)?\s*(单项选择题|综合题|应用题)) current None blocks [] for page_no, text in pages_text: for line in text.splitlines(): m section_pat.search(line) if m: current m.group(2) if current and line.strip(): blocks.append({page: page_no, section: current, line: line.strip()})这段用题型标题做游标之后的每一行都归到当前题型下。允许题型词不在行首是因为很多 PDF 会在前面加「2019 年 9 月真题」这类年份标题。到这一步每一行都带上了物理页码和题型两个字段PDF 开始有了可筛选的维度。接下来按题号切块。真题题号常见格式是「1」「1.」或「问题 1」用一个兜底正则处理def split_questions(blocks): questions [] cur None for b in blocks: if re.match(r^\d{1,3}[\.\s], b[line]): if cur: questions.append(cur) cur {page: b[page], section: b[section], lines: [b[line]]} elif cur: cur[lines].append(b[line]) if cur: questions.append(cur) return questions命中「数字加顿点或点号」的行就开新题块其余行追加到当前题块。「2019 年真题」这种年份行不会被误判因为年份后面没有点号。切完要做两个检查一是选择题的 A、B、C、D 选项被解析时换行散开需要把「Axxx」这类行并回上一题二是题块总数与原卷题量对不上说明有题号缺失或重复这时候要回到对应页看原始渲染而不是继续堆正则。提示从网页打印或在线导出得到的真题 PDF页眉页脚和超链接残留是重灾区必须先按 2.3 清一遍再切。切完把结果存成questions.json后面建库直接用。3. 把真题整理成题库按知识点检索与随机抽题的落地方案3.1 真题题库字段设计一条题记录要带哪些维度切出来的题块只是文本要变成能筛选的题库每条记录要补上可检索的字段。字段不要贪多够筛选就行。我常用的结构如下表。核心原则是每个字段都要能对应到一个筛选动作没有筛选价值的字段不进库。字段取值示例筛选场景id2019-9-12精确回看某一道题year2019按年份看命题趋势section综合题抽整类题型pointOSPF / ACL / IP 规划按知识点定向训练question题干与选项全文全文检索某考点answerB判分page37回 PDF 原卷定位point字段最花时间。我的分法很简单命令题按「OSPF、ACL、NAT、DHCP」拆计算题按「子网划分、VLSM、CIDR」拆其余归「未分类」。分类粒度以「筛出一个 point 至少还有 3 道题可做」为准太细的训练量不够太粗又筛不出薄弱点。3.2 组装题库把切分文本灌进带知识点字段的 JSONimport json import re raw json.load(open(questions.json, encodingutf-8)) def classify(section, text): if section ! 单项选择题: return 综合场景 if OSPF in text or ospf in text: return OSPF if ACL in text or access-list in text.lower(): return ACL if NAT in text or nat in text: return NAT if DHCP in text or dhcp in text: return DHCP return 未分类 banka [] for it in raw: text \n.join(it[lines]) m re.search(r[【\[]答案[】\]]\s*([A-D]), text) banka.append({ id: it[id], section: it[section], question: text, answer: m.group(1) if m else , page: it[page], point: classify(it[section], text), }) json.dump(banka, open(计算机三级网络技术.db, w, encodingutf-8), ensure_asciiFalse, indent2)classify用关键词命中做粗分类够用即可不必追求完美。答案的正则只处理「【答案】A」这种题后标注格式如果这份 PDF 的答案集中在卷末需要另写一段按题号对齐的导入逻辑这是建库最繁琐的一步。answer为空的行后面不会进入刷题队列避免对答案时对不上。ensure_asciiFalse保证中文以明文写入indent2方便出错时人工翻阅。3.3 按知识点抽题的口令-t、-n、-k 三个参数怎么定题库建好后的用法是命令行抽题。核心逻辑就三步读库、按条件过滤、随机取样。python quiz.py 计算机三级网络技术.db -t 综合题 -n 10 -k OSPF --shuffle-t指定题型-n指定题量-k指定知识点--shuffle打乱顺序。日常练习建议-k用细粒度比如只抽 OSPF 里的邻居建立题考前三天换成粗粒度把路由协议整个刷一遍。这套字段设计不挑科目换到计算机三级信息安全、计算机三级数据库方向只需要替换classify里的知识点映射表脚本本体不用动。注意综合题和应用题的答案往往是多行文本没法用单字母判分。命令行抽题对它们只负责「把题打出来」判分仍要回到 PDF 答案区人工核对。脚本能完全闭环的是答案闭合的选择题和部分综合题。4. 真题刷题闭环错题标注、进度统计与回原卷定位4.1 错题记录为什么不该留在批注里刷题最怕的是做一遍就扔。用 pdf 编辑器把答案涂黑覆盖再刷第二遍是很多人用过的方法但它有两个问题涂改后的 PDF 会破坏原卷的排版二次复习时看着别扭更重要的是刷题记录没有结构化错过的题过了两周又错发现不了规律。错题要能回答三个问题错在哪类题型、错在哪个知识点、上次错是什么时候。批注回答不了一份本地 JSON 可以。4.2 一个可复用的交互刷题脚本附带错题收集import json import os import random import datetime import hashlib DB 计算机三级网络技术.db wrong_path wrong.json wrong json.load(open(wrong_path, encodingutf-8)) if os.path.exists(wrong_path) else [] qs [q for q in json.load(open(DB, encodingutf-8)) if q[answer]] random.shuffle(qs) hits 0 for i, q in enumerate(qs[:20]): print(f[{i1}] ({q[section]} / {q[point]})) print(q[question][:400]) ans input( ).strip().upper() if ans q[answer]: hits 1 continue h hashlib.md5(q[id].encode(utf-8)).hexdigest()[:8] wrong.append({id: q[id], h: h, page: q[page], answer: q[answer], time: datetime.datetime.now().isoformat()}) print(f答案: {q[answer]} (PDF 第 {q[page]} 页)) print(f正确率 {hits/20:.0%}) json.dump(wrong, open(wrong_path, w, encodingutf-8), ensure_asciiFalse, indent2)进入队列前先用if q[answer]过滤空答案保证判分不出歧义。错题记录里三样东西不能省id用于去重page用于回卷定位time用于之后查看重复错误的间隔。hashlib.md5是对id做短哈希同一道题重复做错时能快速识别避免wrong.json里堆满重复记录。4.3 错题回原卷物理页码与 PDF 阅读器页码是两回事错题收集之后回看原卷比回看 JSON 更接近考试状态因为能看到题目周围的排版和上下文。用 PyMuPDF 可以直接把指定页渲染成图片几行代码搞定import fitz def goto_page(doc_path, page_no): doc fitz.open(doc_path) pg doc.load_page(page_no - 1) # PyMuPDF 下标从 0 开始 pix pg.get_pixmap(dpi140) pix.save(fpreview_{page_no}.png) print(fpreview_{page_no}.png 已生成)page_no - 1是物理页码转 0 基下标dpi140足够看清命令题的配置片段。生成的图片可以直接看也可以在浏览器里开标签批量对照。注意这里存的page是 PDF 的物理页不是 pdf 阅读器状态栏显示的逻辑页码。真题 PDF 常带封面和目录两者会差几页。建库时统一用物理页回卷定位才不会错位。另外说一个对答案时的观念问题真题综合题里考的路由配置大多是接口、OSPF、ACL 这类基础命令和现网里 VRF 这类高阶特性的实操完全是两个世界。对答案时不要拿现网经验去质疑教材答案考试考的是标准配置格式不是生产环境的优化习惯。5. 扫描版真题 PDF 的 OCR 与题目归一化技巧网盘里流传的早期真题、纸质试卷翻拍的 PDF没有文本层前面所有解析手段都失效。直接拿 tesseract 硬识别效果很差问题通常出在页面倾斜和对比度不足。正确处理顺序是渲染成图、纠偏、二值化、OCR、归一化。import fitz from PIL import Image import numpy as np doc fitz.open(扫描版真题.pdf) page doc.load_page(0) pix page.get_pixmap(dpi200) img Image.frombytes(RGB, [pix.width, pix.height], pix.samples).convert(L) arr np.array(img) thr np.where(arr 128, 255, 0).astype(np.uint8) # 二值化 Image.fromarray(thr).save(page_bin.png)dpi200是 OCR 速度和识别率的常用平衡点dpi300更稳但耗时翻倍。阈值 128 是简化写法扫描件底色发灰时改用np.percentile(arr, 85)做动态阈值更稳。文本行倾斜的页面还需要先纠偏检测文本行的倾斜角后反向旋转这就是常说的 pdf 歪斜校正和纠偏跳过这步OCR 识别率会掉到基本不可用。tesseract page_bin.png page_out -l chi_simeng --psm 6-l chi_simeng指定中文简体加英文--psm 6表示把整页当单文本块处理适合题干这种规整版面页面有分栏时改成--psm 4效果更好。识别完的文本残留大量人工换行需要归一化import re raw open(page_out.txt, encodingutf-8).read() norm re.sub(r\s, , raw) # 去掉换行和空格 norm re.sub(r([A-D])[.、], r\1. , norm) # 统一选项分隔符「去空白」会把题号后面的空格也吃掉所以建议先按题号分行再做选项符号统一。把「A」统一成「A.」是为了对齐选题题的答案判分格式。每次 OCR 完保留一份原始 txt别直接覆盖源文件IP 地址里的 0/O、1/l 是识别重灾区地址类题干要重点抽查。归一化后的文本灌回 2.3 的切题流程扫描版真题就并入同一套题库闭环了。本文还有配套的精品资源点击获取
简介计算机三级网络技术备考者可用的真题文件覆盖网络设备、服务器、主机板、网卡、压缩标准、操作系统、进程管理、存储管理、文件管理、设备管理、中断事件、地址映射、文件存取方式、文件物理结构、计算机网络分类、路由选择算法与资源共享等核心考点适合考前刷题和查漏补缺。资源包共1个PDF文件大小约304KB方便直接打印或电子浏览PDF内为2002年9月全国计算机等级考试三级网络技术真题及答案含选择题六十道每题对应具体知识点并附正确答案可帮助考生快速自测与复盘。已有795人学习适用于备考计算机三级网络技术、希望熟悉真题题型与命题思路的考生。通过练习可巩固网络基础概念理解操作系统与网络原理的高频考查方式提升应试准确率。1. 计算机三级网络技术真题 PDF先把它当数据再当教材计算机三级网络技术真题.pdf 是备考这个科目时手边常备的复习材料形态上多是近几年真题合订几十到上百页。多数人的用法是打开 pdf 阅读器从头翻高亮几笔、对完答案就合上。问题恰恰出在这真题是高度结构化的数据却被当成线性读物消费。选择题、综合题、应用题的高频考点、重复考法和失分分布全埋在页面里翻是翻不出统计意义的。下文把它拆成四步解析切分、建库抽题、刷题闭环、扫描版 OCR。备考者图省时间做运维和培训的人也能把这套流程搬到自己的资料整理上。2. 用 pdf 解析把计算机三级网络技术真题切成可检索的文本块2.1 只靠 pdf 阅读器翻真题的三个硬伤拿到这份 PDF 的第一反应大多是打开 pdf 阅读器直接读。这个动作对了解题型够用对训练正确率不够而且有三处硬伤。一是没法抽题想单独把五年里的综合题集中做一遍只能手动一页页翻二是没法统计做错的题到底是路由配置不会还是 IP 规划不会靠记忆根本说不准三是批注封闭即便用支持免费手写笔记的 pdf 阅读器做过的痕迹也散在页面里导不成错题集合。pdf 阅读器的查找功能只能命中同一份文件里出现过的字样对「哪年考过哪种题」这种问题是无能为力的。在动工具之前先把这份 PDF 的结构摸清楚。计算机三级网络技术真题的版式很固定常见结构如下表。不同年份的分值占比以当年官方大纲为准但「选择 综合 应用」的三段分区几乎所有真题 PDF 都沿用。切题时按这个结构分块后面按题型抽题和做统计才有据可依。分区常见分值占比典型考法切分特征单项选择题约 40%概念、协议、设备选型选项 A–D题干以「1」「1.」开头选项成组出现综合题约 40%给场景填命令、填配置、IP 规划计算大段场景描述加编号填空应用题约 20%拓扑图加设备与地址方案设计图多文字少答案以段落为主另外提醒一句先别用 pdf 拆分工具按页拆。那是按物理边界切后面做逻辑筛选时还得重新拼按题型切才是能复用的逻辑边界。2.2 文本型与扫描版真题 PDF 的识别先判断再选解析工具能不能直接解析取决于 PDF 内部有没有文本层。文本型 PDF 在导出时把字符编码写进了内容流pdf 阅读器能选中、能查找、能复制扫描版 PDF 每页只有一张大图字符是像素查找时一片空白。判断方法很直接抽几页文本看字符数。pdftotext -f 3 -l 5 计算机三级网络技术真题.pdf - | wc -m-f 3 -l 5限定只抽第 3 到 5 页wc -m统计输出字符数。文本型会返回几百到上千字符扫描版基本在两位数以内甚至为空。没有 pdftotext 时用 pdfplumber 打开第一页执行page.extract_text()也能判断但命令行这种方式更快适合先试一份不认识的 PDF。判断为文本型后解析工具我一般用 PyMuPDFfitz。它的提取速度比 pdfplumber 快一个量级而且对中文 PDF 的字体编码容错更好。pdfplumber 的强项是拿到每个字符的坐标适合对选择题选项做对齐分析但整卷切题这个活用不上坐标速度反而是短板。判断为扫描版的话这一步先跳过直接看第 5 章的 OCR 方案。注意文本层正常不代表一定可解析。有些 PDF 做了字体子集嵌入却丢了 ToUnicode 映射复制出来是一串乱码。遇到这种情况切完题必须抽查几道题干能否对应上原页不能盲目信任解析结果。还要提一个实际坑用虚拟打印或在线导出工具生成的真题 PDF文本层顺序经常和视觉排版不一致可能选项先于题干出现。这种文件在切题后要做一次「题干与选项是否配对」的抽样验证再把结果交给后面的题库流程。2.3 用 PyMuPDF 提取真题文本并清掉页眉页脚文本型 PDF 的页眉页脚是切题时最先要清的噪音。很多真题 PDF 每页顶部都带「计算机三级网络技术真题」字样底部带页码这些行混进题干里会影响后续按题号切分。import fitz import re doc fitz.open(计算机三级网络技术真题.pdf) head_foot re.compile(r^(第\s*\d\s*页|共\s*\d\s*页|计算机三级[^\n]{0,20})$) pages_text [] for i, page in enumerate(doc): text page.get_text(text) lines [ln for ln in text.splitlines() if not head_foot.match(ln.strip())] pages_text.append((i 1, \n.join(lines))) print(f共 {len(pages_text)} 页前 3 页字符数 f{sum(len(t) for _, t in pages_text[:3])})page.get_text(text)拿到的是按阅读顺序排好的文本块。head_foot这个正则只匹配整行的「第 3 页」「共 120 页」以及「计算机三级」开头的页眉加了^和$锚定不会误伤题干里正常的文字。enumerate从 0 开始存入列表时记成i 1表示物理页码后面错题回卷定位用的就是它。2.4 按「选择 → 综合 → 应用」切分题块并输出块统计清完噪音后先把每一行归到所属题型分区再按题号切出独立题块。section_pat re.compile(r^\s*(一、|二、|三、)?\s*(单项选择题|综合题|应用题)) current None blocks [] for page_no, text in pages_text: for line in text.splitlines(): m section_pat.search(line) if m: current m.group(2) if current and line.strip(): blocks.append({page: page_no, section: current, line: line.strip()})这段用题型标题做游标之后的每一行都归到当前题型下。允许题型词不在行首是因为很多 PDF 会在前面加「2019 年 9 月真题」这类年份标题。到这一步每一行都带上了物理页码和题型两个字段PDF 开始有了可筛选的维度。接下来按题号切块。真题题号常见格式是「1」「1.」或「问题 1」用一个兜底正则处理def split_questions(blocks): questions [] cur None for b in blocks: if re.match(r^\d{1,3}[\.\s], b[line]): if cur: questions.append(cur) cur {page: b[page], section: b[section], lines: [b[line]]} elif cur: cur[lines].append(b[line]) if cur: questions.append(cur) return questions命中「数字加顿点或点号」的行就开新题块其余行追加到当前题块。「2019 年真题」这种年份行不会被误判因为年份后面没有点号。切完要做两个检查一是选择题的 A、B、C、D 选项被解析时换行散开需要把「Axxx」这类行并回上一题二是题块总数与原卷题量对不上说明有题号缺失或重复这时候要回到对应页看原始渲染而不是继续堆正则。提示从网页打印或在线导出得到的真题 PDF页眉页脚和超链接残留是重灾区必须先按 2.3 清一遍再切。切完把结果存成questions.json后面建库直接用。3. 把真题整理成题库按知识点检索与随机抽题的落地方案3.1 真题题库字段设计一条题记录要带哪些维度切出来的题块只是文本要变成能筛选的题库每条记录要补上可检索的字段。字段不要贪多够筛选就行。我常用的结构如下表。核心原则是每个字段都要能对应到一个筛选动作没有筛选价值的字段不进库。字段取值示例筛选场景id2019-9-12精确回看某一道题year2019按年份看命题趋势section综合题抽整类题型pointOSPF / ACL / IP 规划按知识点定向训练question题干与选项全文全文检索某考点answerB判分page37回 PDF 原卷定位point字段最花时间。我的分法很简单命令题按「OSPF、ACL、NAT、DHCP」拆计算题按「子网划分、VLSM、CIDR」拆其余归「未分类」。分类粒度以「筛出一个 point 至少还有 3 道题可做」为准太细的训练量不够太粗又筛不出薄弱点。3.2 组装题库把切分文本灌进带知识点字段的 JSONimport json import re raw json.load(open(questions.json, encodingutf-8)) def classify(section, text): if section ! 单项选择题: return 综合场景 if OSPF in text or ospf in text: return OSPF if ACL in text or access-list in text.lower(): return ACL if NAT in text or nat in text: return NAT if DHCP in text or dhcp in text: return DHCP return 未分类 banka [] for it in raw: text \n.join(it[lines]) m re.search(r[【\[]答案[】\]]\s*([A-D]), text) banka.append({ id: it[id], section: it[section], question: text, answer: m.group(1) if m else , page: it[page], point: classify(it[section], text), }) json.dump(banka, open(计算机三级网络技术.db, w, encodingutf-8), ensure_asciiFalse, indent2)classify用关键词命中做粗分类够用即可不必追求完美。答案的正则只处理「【答案】A」这种题后标注格式如果这份 PDF 的答案集中在卷末需要另写一段按题号对齐的导入逻辑这是建库最繁琐的一步。answer为空的行后面不会进入刷题队列避免对答案时对不上。ensure_asciiFalse保证中文以明文写入indent2方便出错时人工翻阅。3.3 按知识点抽题的口令-t、-n、-k 三个参数怎么定题库建好后的用法是命令行抽题。核心逻辑就三步读库、按条件过滤、随机取样。python quiz.py 计算机三级网络技术.db -t 综合题 -n 10 -k OSPF --shuffle-t指定题型-n指定题量-k指定知识点--shuffle打乱顺序。日常练习建议-k用细粒度比如只抽 OSPF 里的邻居建立题考前三天换成粗粒度把路由协议整个刷一遍。这套字段设计不挑科目换到计算机三级信息安全、计算机三级数据库方向只需要替换classify里的知识点映射表脚本本体不用动。注意综合题和应用题的答案往往是多行文本没法用单字母判分。命令行抽题对它们只负责「把题打出来」判分仍要回到 PDF 答案区人工核对。脚本能完全闭环的是答案闭合的选择题和部分综合题。4. 真题刷题闭环错题标注、进度统计与回原卷定位4.1 错题记录为什么不该留在批注里刷题最怕的是做一遍就扔。用 pdf 编辑器把答案涂黑覆盖再刷第二遍是很多人用过的方法但它有两个问题涂改后的 PDF 会破坏原卷的排版二次复习时看着别扭更重要的是刷题记录没有结构化错过的题过了两周又错发现不了规律。错题要能回答三个问题错在哪类题型、错在哪个知识点、上次错是什么时候。批注回答不了一份本地 JSON 可以。4.2 一个可复用的交互刷题脚本附带错题收集import json import os import random import datetime import hashlib DB 计算机三级网络技术.db wrong_path wrong.json wrong json.load(open(wrong_path, encodingutf-8)) if os.path.exists(wrong_path) else [] qs [q for q in json.load(open(DB, encodingutf-8)) if q[answer]] random.shuffle(qs) hits 0 for i, q in enumerate(qs[:20]): print(f[{i1}] ({q[section]} / {q[point]})) print(q[question][:400]) ans input( ).strip().upper() if ans q[answer]: hits 1 continue h hashlib.md5(q[id].encode(utf-8)).hexdigest()[:8] wrong.append({id: q[id], h: h, page: q[page], answer: q[answer], time: datetime.datetime.now().isoformat()}) print(f答案: {q[answer]} (PDF 第 {q[page]} 页)) print(f正确率 {hits/20:.0%}) json.dump(wrong, open(wrong_path, w, encodingutf-8), ensure_asciiFalse, indent2)进入队列前先用if q[answer]过滤空答案保证判分不出歧义。错题记录里三样东西不能省id用于去重page用于回卷定位time用于之后查看重复错误的间隔。hashlib.md5是对id做短哈希同一道题重复做错时能快速识别避免wrong.json里堆满重复记录。4.3 错题回原卷物理页码与 PDF 阅读器页码是两回事错题收集之后回看原卷比回看 JSON 更接近考试状态因为能看到题目周围的排版和上下文。用 PyMuPDF 可以直接把指定页渲染成图片几行代码搞定import fitz def goto_page(doc_path, page_no): doc fitz.open(doc_path) pg doc.load_page(page_no - 1) # PyMuPDF 下标从 0 开始 pix pg.get_pixmap(dpi140) pix.save(fpreview_{page_no}.png) print(fpreview_{page_no}.png 已生成)page_no - 1是物理页码转 0 基下标dpi140足够看清命令题的配置片段。生成的图片可以直接看也可以在浏览器里开标签批量对照。注意这里存的page是 PDF 的物理页不是 pdf 阅读器状态栏显示的逻辑页码。真题 PDF 常带封面和目录两者会差几页。建库时统一用物理页回卷定位才不会错位。另外说一个对答案时的观念问题真题综合题里考的路由配置大多是接口、OSPF、ACL 这类基础命令和现网里 VRF 这类高阶特性的实操完全是两个世界。对答案时不要拿现网经验去质疑教材答案考试考的是标准配置格式不是生产环境的优化习惯。5. 扫描版真题 PDF 的 OCR 与题目归一化技巧网盘里流传的早期真题、纸质试卷翻拍的 PDF没有文本层前面所有解析手段都失效。直接拿 tesseract 硬识别效果很差问题通常出在页面倾斜和对比度不足。正确处理顺序是渲染成图、纠偏、二值化、OCR、归一化。import fitz from PIL import Image import numpy as np doc fitz.open(扫描版真题.pdf) page doc.load_page(0) pix page.get_pixmap(dpi200) img Image.frombytes(RGB, [pix.width, pix.height], pix.samples).convert(L) arr np.array(img) thr np.where(arr 128, 255, 0).astype(np.uint8) # 二值化 Image.fromarray(thr).save(page_bin.png)dpi200是 OCR 速度和识别率的常用平衡点dpi300更稳但耗时翻倍。阈值 128 是简化写法扫描件底色发灰时改用np.percentile(arr, 85)做动态阈值更稳。文本行倾斜的页面还需要先纠偏检测文本行的倾斜角后反向旋转这就是常说的 pdf 歪斜校正和纠偏跳过这步OCR 识别率会掉到基本不可用。tesseract page_bin.png page_out -l chi_simeng --psm 6-l chi_simeng指定中文简体加英文--psm 6表示把整页当单文本块处理适合题干这种规整版面页面有分栏时改成--psm 4效果更好。识别完的文本残留大量人工换行需要归一化import re raw open(page_out.txt, encodingutf-8).read() norm re.sub(r\s, , raw) # 去掉换行和空格 norm re.sub(r([A-D])[.、], r\1. , norm) # 统一选项分隔符「去空白」会把题号后面的空格也吃掉所以建议先按题号分行再做选项符号统一。把「A」统一成「A.」是为了对齐选题题的答案判分格式。每次 OCR 完保留一份原始 txt别直接覆盖源文件IP 地址里的 0/O、1/l 是识别重灾区地址类题干要重点抽查。归一化后的文本灌回 2.3 的切题流程扫描版真题就并入同一套题库闭环了。本文还有配套的精品资源点击获取
