### 题库内容匹配与Python编程降重方案 针对您提出的“上传题库后，根据关键词匹配题目内容，并使用Python编程修改变量以降低重复率”的需求，我将为您构建一个完整的解决方案。该方案的核心逻辑是：首先，将题库数据加载到内存中，实现基于关键词的快速检索；其次，在展示匹配到的题目内容后，通过Python代码对题目中的变量名进行系统化修改，从而生成语义相同但表述形式不同的新题目，以达到降低重复率的目的[ref_1][ref_2]。 #### **1. 系统架构与核心模块** 整个流程可以分解为以下几个核心模块，其交互关系如下表所示： | 模块名称 | 功能描述 | 核心技术点 | | :--- | :--- | :--- | | **题库加载与存储** | 将用户上传的题库（如JSON、CSV格式）加载为Python数据结构。 | 文件I/O操作、字典/列表数据结构。 | | **关键词检索引擎** | 根据用户输入的关键词，在题库中精准匹配并返回题目。 | 字符串模糊匹配、正则表达式。 | | **题目内容展示** | 格式化输出匹配到的题目，包括题干、选项、答案等。 | 字符串格式化打印。 | | **变量分析与修改** | 解析题目文本，识别变量名，并按规则进行重命名。 | 抽象语法树（AST）分析、字符串替换、命名规则。 | | **降重后题目生成** | 输出修改变量名后的新题目，确保逻辑不变。 | 代码生成或文本重构。 | #### **2. 实现步骤与代码示例** 下面，我将结合一个具体的数学题目案例，分步实现上述功能。假设题库中包含一道关于“一元二次方程”的题目。 **步骤一：构建模拟题库并实现关键词检索** 我们首先创建一个模拟的题库数据结构，并实现根据关键词（如“方程”、“求解”）检索题目的功能[ref_3]。 ```python import json import re class QuestionBank: def __init__(self): """初始化一个模拟题库。""" # 模拟题库数据，实际应用中可从文件加载 self.bank = [ { "id": 1, "keywords": ["一元二次方程", "求解", "韦达定理"], "content": "已知一元二次方程 `ax^2 + bx + c = 0` 的两个根为 x1 和 x2，请根据韦达定理求解 x1 + x2 和 x1 * x2 的值。", "code_snippet": "a = 2\nb = -5\nc = 3\n# 计算判别式\ndelta = b**2 - 4*a*c\nx1 = (-b + delta**0.5) / (2*a)\nx2 = (-b - delta**0.5) / (2*a)\nsum_roots = x1 + x2\nproduct_roots = x1 * x2" }, { "id": 2, "keywords": ["几何", "面积", "三角形"], "content": "计算一个底为 `base`，高为 `height` 的三角形的面积。", "code_snippet": "base = 10\nheight = 5\narea = 0.5 * base * height" } ] def search_by_keyword(self, keyword): """根据关键词搜索题目。支持模糊匹配。""" matched_questions = [] pattern = re.compile(re.escape(keyword), re.IGNORECASE) for q in self.bank: # 在关键词列表和题目内容中搜索 if (any(pattern.search(k) for k in q["keywords"])) or pattern.search(q["content"]): matched_questions.append(q) return matched_questions def display_question(self, question): """格式化展示题目信息。""" print(f"题目ID: {question['id']}") print(f"关键词: {', '.join(question['keywords'])}") print(f"题干: {question['content']}") print("关联代码片段:") print("-" * 40) print(question['code_snippet']) print("-" * 40) print() return question['code_snippet'] # 使用示例 bank = QuestionBank() keyword = "方程" matched = bank.search_by_keyword(keyword) if matched: print(f"找到与“{keyword}”相关的题目 {len(matched)} 道:\n") original_code = bank.display_question(matched[0]) # 展示第一道匹配的题目 else: print("未找到相关题目。") ``` **步骤二：修改变量名以降低代码重复率** 获取到题目的原始代码后，我们需要对其中的变量名进行系统性修改。这里采用一个安全的策略：构建一个变量名映射表，将旧的变量名替换为新的、语义相关但不同的名称[ref_4]。 ```python import ast import inspect class VariableRenamer: def __init__(self): """初始化变量名映射规则。""" # 定义变量名映射字典， key为旧变量名，value为新变量名 self.var_mapping = { # 数学常用变量 'a': 'coefficient_a', 'b': 'coefficient_b', 'c': 'constant_c', 'delta': 'discriminant', 'x1': 'root_alpha', 'x2': 'root_beta', 'sum_roots': 'sum_of_roots', 'product_roots': 'product_of_roots', # 几何常用变量 'base': 'triangle_base', 'height': 'triangle_height', 'area': 'triangle_area' } def rename_variables_in_code(self, code_str): """ 通过AST分析安全地修改变量名。 此方法能精确识别变量赋值和引用，避免误改字符串等内容。 """ try: tree = ast.parse(code_str) # 遍历AST节点 for node in ast.walk(tree): if isinstance(node, ast.Name) and node.id in self.var_mapping: node.id = self.var_mapping[node.id] # 将修改后的AST转换回代码字符串 new_code = ast.unparse(tree) return new_code except Exception as e: print(f"AST解析失败，将使用字符串替换降级方案: {e}") # 降级方案：简单的字符串替换（需注意避免替换单词的一部分） return self._fallback_rename(code_str) def _fallback_rename(self, code_str): """降级方案：基于单词边界的字符串替换。""" for old, new in self.var_mapping.items(): # 使用正则表达式确保替换的是完整的单词 pattern = r'\b' + re.escape(old) + r'\b' code_str = re.sub(pattern, new, code_str) return code_str def rename_and_display(self, original_code): """执行重命名并对比展示新旧代码。""" print("【原代码】") print(original_code) print("\n" + "="*60 + "\n") new_code = self.rename_variables_in_code(original_code) print("【降重后代码】(已修改变量名)") print(new_code) # 可选：执行新代码验证结果一致性 print("\n" + "="*60 + "\n") print("【执行验证】") try: # 创建一个新的命名空间来执行代码，避免污染当前环境 namespace = {} exec(new_code, namespace) # 打印计算出的关键结果 if 'sum_of_roots' in namespace and 'product_of_roots' in namespace: print(f"根之和 (sum_of_roots) = {namespace['sum_of_roots']}") print(f"根之积 (product_of_roots) = {namespace['product_of_roots']}") elif 'triangle_area' in namespace: print(f"三角形面积 (triangle_area) = {namespace['triangle_area']}") except Exception as e: print(f"执行新代码时出错: {e}") # 集成使用 if 'original_code' in locals(): renamer = VariableRenamer() renamer.rename_and_display(original_code) ``` #### **3. 方案优势与扩展应用** 通过上述代码，我们实现了一个从题库检索到代码自动降重的闭环流程。其核心优势在于： 1. **精准匹配**：利用正则表达式实现不区分大小写的模糊匹配，提高检索成功率[ref_3]。 2. **安全降重**：优先采用AST进行语法树分析，能精确识别变量名节点，避免对字符串常量、函数名等造成误修改，保证代码逻辑100%不变[ref_4]。 3. **结果可验证**：降重后的代码会被自动执行，并输出关键结果，方便用户验证修改前后逻辑的一致性。 **扩展应用场景**： * **批量处理**：可轻松修改代码，遍历整个题库匹配结果，对所有题目的关联代码进行批量降重处理。 * **自定义规则**：`VariableRenamer` 类中的 `var_mapping` 字典可以根据不同学科（如物理、化学）的变量命名习惯进行扩展和定制[ref_5]。 * **集成至教育平台**：此核心模块可以作为一个服务，集成到类似牛顿网题库管理系统这样的智能教育平台中，作为其“智能组卷”或“题目相似度检测”功能的一部分，自动生成表述多样的平行题目，丰富题库资源[ref_3][ref_6]。 总而言之，本方案通过“关键词检索-内容展示-变量重命名”的流水线，不仅满足了您直接获取题目并修改的需求，还提供了一个健壮、可扩展的框架，适用于教育内容生成、作业查重等多种智能化教学场景[ref_1][ref_2][ref_5]。