如何加速背完一套3600题的题库？

刚刚入职就收到了一份3600题的题库。知道本身的脑子不太好使，因而对题库进行了一系列选项分析，减少了800多题的背题量并掌握了许多蒙题技巧:)

目录

step 1.关键信息提取

step 2.选项分布与正确率统计

step 3.精华选项提取

step 4.选项出现词汇正确率统计

step 1.关键信息提取

因为题库文本内容较多，为简化咱们首先将有价值的数据进行了提取。须要提取的信息包括：题号，题型（包括单选，多选，判断），选项数量（有的题目不止四个选项），答案。

题库大概是长这样的：

（题目样式如图所示 题目内容仅供参考）

所以跑题库的整体思路是这样的：

（1）当识别到“【第”时，记录下当前题号

（2）当识别到‘’单选“”多选“”判断“时，记录下当前题型(D1)(D2)(D3)

（3）当识别到'\n'+字母时，选项个数+1

（4）当识别到“答案：”时，记录选项个数和正确选项

值得一提的是，用C语言处理汉字是比较头疼的，在不一样的平台，不一样的编译环境中汉字有不一样的存储方式。所以首先须要测试一下在当前环境下一个汉字字符在内存中占用的字符数：

1 printf("单个汉字占用字节数:%d",strlen("中文字符")/4);

我用的环境中汉字是用两个普通字符存储的，所以在比较汉字时只须要和对应的两个编码进行对比便可。

因为涉及汉字字符串的比较，导入数据时我开了一个缓冲区c[20]。能够这样导入汉字：

1 void get_char(){
2     for (int i=1;i<=19;i++) c[i]=c[i+1];
3     c[20]=getchar();
4 }

源代码：

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 int i=0;
 4 int main(){
 5     freopen("ansi.txt","r",stdin);
 6     freopen("extract_out.txt","w",stdout);
 7     char c[1200001];
 8     cout<<"T1:";
 9     int flag=2;//状态开关 
10     bool flag1=false;//字母开关 
11     int k=1;
12     while(i<1200000){
13         c[++i]=getchar();
14         //判断题型 
15         if (i>=4&&flag==2&&c[i-3]==-75&&c[i-2]==-91&&c[i-1]==-47&&c[i]==-95){
16             cout<<"(D1)";
17             flag=3;
18         }//单选 
19         if (i>=4&&flag==2&&c[i-3]==-74&&c[i-2]==-32&&c[i-1]==-47&&c[i]==-95) {
20             cout<<"(D2)";
21             flag=3;
22         }//多选 
23         if (i>=4&&flag==2&&c[i-3]==-59&&c[i-2]==-48&&c[i-1]==-74&&c[i]==-49) {
24             cout<<"(D3)";
25             flag=3;
26         }//判断 
27         //记录答案 
28         if (i>=6&&flag==3&&c[i-5]==-76&&c[i-4]==-16&&c[i-3]==-80&&c[i-2]==-72&&c[i-1]==-93&&c[i]==-70){
29             cout<<"ANS:"; flag=1;
30         }//答案 
31         //开题 
32         if (c[i]==10) {
33             cout<<'\n';
34             if (flag==1&&c[i-1]==10){
35                 k++;
36                 cout<<'T'<<k<<':';
37                 flag=2;//换两行且flag状态为1代表一题已经结束 
38             }
39         }
40         //输出价值字母 
41         if (c[i]>='A'&&c[i]<='F'&&flag1) cout<<c[i];
42         else flag1=false;
43         if (c[i]==10||(c[i-3]==-80&&c[i-2]==-72&&c[i-1]==-93&&c[i]==-70)) flag1=true;
44     }
45     return 0;
46 } 

提取完后将关键信息导出至文本文档中，大概长这样：

step 2.选项分布及正确率统计

这一步主要统计了各个题型的题目数量，计算了各题型中各个选项的正确几率，以及多选题中正确选项数量的几率。（发现多选题全选几率超过40%hhh）因为多选题通常包含四个选项，所以我单独对四个选项的多选题的各类答案数量进行了直接汇总。

首先须要给数据创建合适的存储结构。

单选题数据结构：

二维数组dan_count：dan_count_i0表示包含i个选项的题目有几题；dan_count_ij表示包含i个选项的题目中，第j个选项正确的题目有几题。

各选项正确几率：dan_count_ij / dancount_i0

多选题数据结构：

二维数组duo_count：duo_count_i0表示包含i个选项的题目有几题 ；duo_count_ij表示包含i个选项的题目中，第j个选项正确的题目有几题。

二维数组duo_numcount：duo_numcount_ij表示包含i个选项的题目中，有j个选项正确的题目有几题。

二维数组duo_enumcount：用于专门统计四个选项的题目：i为多选题13种可能（AB AC AD BC BD CD ABC ABD ACD BCD ABCD）对应的二进制，duo_enumcount_ij表示各状况下各项正确个数。

判断题数据结构：

pan_a：统计判断题正确数量

pan_b：统计判断题错误数量

源代码：

  1 #include<bits/stdc++.h>
  2 using namespace std;
  3 int pan_a=0,pan_b=0;
  4 int dan_count[10][10]={0};
  5 int duo_count[10][10]={0},duo_numcount[10][10]={0},duo_enumcount[10][10]={0};
  6 int dan=0,duo=0,pan=0;
  7 int k=0; 
  8 char c[21]={0};
  9 void get_char(){
 10     for (int i=1;i<=19;i++) c[i]=c[i+1];
 11     c[20]=getchar();
 12 }
 13 
 14 void danxuan(){
 15     int j=0;
 16     while (c[20]!=':'){
 17         get_char();
 18         if ('A'+j==c[20]) j++;
 19     }
 20     dan_count[j][0]++;
 21     get_char();
 22     dan_count[j][c[20]-'A'+1]++;
 23     return;
 24 }
 25 
 26 void duoxuan(){
 27     int j=0,t=0,x=0;
 28     while (c[20]!=':'){
 29         get_char();
 30         if ('A'+j==c[20]) j++;
 31     }
 32     duo_count[j][0]++;
 33     while (c[20]!='\n'){
 34         get_char();
 35         if (c[20]>='A'&&c[20]<='F'){
 36             duo_count[j][c[20]-'A'+1]++;
 37             t++;
 38             x=x+(int)(pow(2,c[20]-'A'));
 39         }
 40     }
 41     duo_numcount[j][t]++;
 42     duo_enumcount[j][x]++;
 43     return;
 44 }
 45 
 46 void panduan(){
 47     while (1){
 48         get_char();
 49         if (c[19]==':'){
 50             if (c[20]=='A') pan_a++;
 51             else pan_b++;
 52             return;
 53         }
 54     }
 55 }
 56 
 57 void print(){
 58     cout<<"单选题总数："<<dan<<endl; 
 59     for (int i=2;i<=4;i++){
 60         cout<<"有"<<i<<"个选项的题目数量为"<<dan_count[i][0]<<endl;
 61         for (int j=1;j<=i;j++) printf("选%c的几率：%.2f%c ",j+'A'-1,(double)dan_count[i][j]/dan_count[i][0]*100,'%');
 62         printf("\n");
 63         printf("\n");
 64     } 
 65     cout<<endl; 
 66     cout<<"多选题总数："<<duo<<endl; 
 67     for (int i=3;i<=6;i++){
 68         cout<<"有"<<i<<"个选项的题目数量为"<<duo_count[i][0]<<endl;
 69         for (int j=1;j<=i;j++) 
 70         printf("%c正确的几率：%6.2f%c ",j+'A'-1,(double)duo_count[i][j]/duo_count[i][0]*100,'%');
 71         printf("\n");
 72         for (int j=1;j<=i;j++) 
 73         if (duo_numcount[i][j])
 74         printf("%d个选项正确的几率：%6.2f%c ",j,(double)duo_numcount[i][j]/duo_count[i][0]*100,'%');
 75         printf("\n"); 
 76         printf("\n");
 77     } 
 78     cout<<endl;
 79     cout<<"判断题总数："<<pan<<endl; 
 80     cout<<"判断题正确几率：";
 81     printf("%.2f %\n",((double)pan_a/(pan_a+pan_b)*100));
 82     cout<<"判断题错误几率：";
 83     printf("%.2f %\n",((double)pan_b/(pan_a+pan_b)*100));
 84     cout<<endl;
 85     printf("特别统计（四个选项的多选题选项分布）\n");
 86     printf("选项  次数\n");
 87     for (int i=1;i<=15;i++){
 88         int t=0;
 89         for (int j=0;j<4;j++)
 90         if ((i>>j)&1) cout<<(char)('A'+j);
 91         else t++;
 92         t+=2;
 93         while (t){
 94             t--;
 95             cout<<' ';
 96         }
 97         cout<<duo_enumcount[4][i]<<endl;
 98     }
 99     return;
100 }
101 
102 int main(){
103     freopen("extract_out.txt","r",stdin);
104     freopen("选项统计结果.txt","w",stdout); 
105     while (dan+duo+pan<3600){
106         get_char(); 
107         if (c[20]=='1'&&c[19]=='D') danxuan(),dan++;
108         if (c[20]=='2'&&c[19]=='D') duoxuan(),duo++;
109         if (c[20]=='3'&&c[19]=='D') panduan(),pan++;
110         //if (k!=dan+duo+pan) cout<<k<<endl;
111     } 
112     print();
113     return 0;
114 } 

step 3.精华选项提取

这一步前后提取了(1)单选题和判断题中的正确选项 (2)非全选的多选题。

这套题库的多选题共计 713 题，其中 309 题答案为全选，另外 404 题答案为非全选。因此说背完404题就掌握了713题......

提取选项须要扫两遍题库：

（1）第一遍扫描每道题的答案，在每道题须要的输出的选项上打上标记。

ans[k][c[20]-'A'+1]=1;//第k题的当前选项是正确

（2）第二遍扫描标记，进行输出。

源代码：

 1 #include<bits/stdc++.h>
 2 using namespace std;
 3 int ans[4000][7]={0};
 4 int k=0; 
 5 char c[21]={0};
 6 
 7 void get_char(){
 8     for (int i=1;i<=19;i++) c[i]=c[i+1];
 9     c[20]=getchar();
10 }
11 
12 int main(){
13     freopen("extract_out.txt","r",stdin);
14     freopen("answer.txt","w",stdout);
15     //提取答案 
16     while (k<3600){
17         while (c[20]!='T') get_char(); 
18         k++;
19         while (c[20]!=':'||c[19]!='S') get_char();
20         get_char();
21         while (c[20]>='A'&&c[20]<='F'){
22             ans[k][c[20]-'A'+1]=1;//第k题的该选项是对的 
23             get_char();
24         }
25     }
26     //提取正确选项 
27     freopen("ansi.txt","r",stdin);
28     k=1;
29     int num=0;
30     while (k<=3600){
31         get_char();
32         if (c[20]>='0'&&c[20]<='9'){
33             num=num*10+c[20]-'0';
34         }//读出题号 
35         else {
36             if (num==k){
37                 cout<<'T'<<num<<':';
38                 while (ans[k][1]||ans[k][2]||ans[k][3]||ans[k][4]||ans[k][5]||ans[k][6]){//已经没有可读选项时退出 
39                     get_char();
40                     if (c[20]>='A'&&c[20]<='F'&&c[19]=='\n'){
41                         if (ans[k][c[20]-'A'+1]){
42                             cout<<c[20];
43                             ans[k][c[20]-'A'+1]=0;//该选项已经提取完毕 
44                             char tc=0;
45                             while (tc!='\n'){
46                                 tc=getchar();
47                                 cout<<tc; 
48                             }//输出选项内容 
49                             c[20]='\n';
50                         }
51                     }
52                 } 
53                 k++;
54             }
55             num=0;
56         }
57     }
58     return 0;
59 } 

step 4.选项出现词汇正确率统计

最后一步将全部题目的正确选项进行了提取分析。经过各个词汇在正确选项中出现率和在全文的出现率的对比，得出了195个正确率100%的高频词汇和366个正确率大于等于80%的高频词汇。

实现这一步须要用到python的jieba分词了（被迫妥协）。用ANSI编码导入全部选项与全部正确选项，根据全部选项的分词创建总词汇典dict，统计两个文件出现词汇次数至cnt(cnts)，计算出现率，排序，输出。

 1 import jieba
 2 fs=open("item.txt","r",encoding="ansi")
 3 txts=fs.read()
 4 words=jieba.lcut(txts)
 5 #建立词汇典
 6 dict=[]
 7 k=0
 8 for wrd in words:
 9     if dict.count(wrd)==0:
10         dict.append(wrd)
11 #统计两个文件出现词汇次数至cnt(s)
12 cnts={}
13 for wrd in dict:
14     cnts[wrd]=cnts.get(wrd, txts.count(wrd,0,len(txts)))
15 f=open("answer.txt","r",encoding="ansi")
16 txt=f.read()
17 cnt={}
18 for wrd in dict:
19     cnt[wrd]=cnt.get(wrd, txt.count(wrd,0,len(txt)))
20 #计算出现率
21 com={}
22 for wrd in cnt.keys():
23     com[wrd]=com.get(wrd, cnt[wrd]/cnts[wrd])
24 items=list(com.items())
25 #排序
26 items.sort(key=lambda x:x[1], reverse=True)
27 for wrd,i in items:
28     if i<0.8:
29         break
30     maxwrd=wrd
31     for wrd2,j in items:
32         if (j==i and cnts[wrd2]>cnts[maxwrd]):
33             maxwrd=wrd2
34         if j<i:
35             break
36     if (cnts[maxwrd]>2 and maxwrd[0]!='T' and (maxwrd[0]<'0' or maxwrd[0]>'9')):
37         print(maxwrd," 出现总次数：",cnts[maxwrd],' 正确几率：',i*100,'%')
38     cnts[maxwrd]=0