简介这份PTA理论考部分.docx面向正在学习C语言、准备PTA平台理论测评或课程期末机考的学生聚焦基础语法判断题与选择题的集中训练。文档以判断题和选择题为主覆盖编译预处理命令、main函数唯一性、程序执行起点、语句分号、变量声明顺序、单目运算符操作数、整数除法与浮点运算、赋值与算术运算符优先级、if条件中的赋值陷阱、scanf与printf格式匹配、for循环三表达式执行时机、复合语句与空语句、累加与阶乘计算等高频考点并附有对应知识点详解便于对照答案理解错因。资源包共1个docx文件约345KB结构紧凑可直接用Word打开检索题目与解析。目前已有1894人学习下载适合需要快速刷题、查漏补缺或考前突击复习C语言基础语法的读者使用。1. 从一份 docx 说起PTA 理论考题库到底该怎么拆很多人第一次拿到「PTA理论考部分.docx」这种文件第一反应是直接打开背题。但真正做过 PTA 平台题目的人都知道理论考和天梯赛编程题是两套逻辑前者考概念辨析、代码阅读、输出判断后者考算法实现。这份 docx 里大概率混着 C 语言基础、指针、字符串函数、文件读写、结构体、链表这些高频考点甚至还有「字符串逆序」「判断闰年」「二分查找」这类经典题。问题在于docx 是给人看的不是给机器练的。如果你想把它变成可检索、可自测、可批量刷的题库就得先做结构化拆解把题干、选项、答案、解析分离再按知识点打标签。适合谁准备 PTA 天梯赛 L2、计算机二级 C 语言、或者期末理论考的学生以及想用脚本批量整理题库的开发者。下面从解析、建库、刷题、排错到进阶技巧一步步讲清楚。2. 用 python-docx 解析 PTA理论考部分.docx 的题干与选项2.1 为什么不用直接复制粘贴直接复制粘贴会丢失段落层级和编号选项 A/B/C/D 可能变成一行代码块里的缩进也会乱。常见做法是用python-docx按段落读取再根据正则匹配题号、选项和答案。这样能保留原始顺序也方便后续写入 SQLite 或 JSON。先安装依赖pip install python-docx然后写一个最小解析脚本from docx import Document import re import json doc Document(PTA理论考部分.docx) questions [] current None # 匹配题号如 1. 2、 第3题 q_pattern re.compile(r^\s*(\d)[\.、]\s*(.)) # 匹配选项 A. B. C. D. opt_pattern re.compile(r^\s*([A-D])[\.、]\s*(.)) # 匹配答案行 ans_pattern re.compile(r^\s*(答案|正确答案)[:]\s*([A-D])) for para in doc.paragraphs: text para.text.strip() if not text: continue m q_pattern.match(text) if m: if current: questions.append(current) current {id: int(m.group(1)), stem: m.group(2), options: {}, answer: } continue m opt_pattern.match(text) if m and current: current[options][m.group(1)] m.group(2) continue m ans_pattern.match(text) if m and current: current[answer] m.group(2) if current: questions.append(current) with open(pta_theory.json, w, encodingutf-8) as f: json.dump(questions, f, ensure_asciiFalse, indent2) print(f共解析 {len(questions)} 题)逻辑说明脚本按段落逐行扫描遇到题号就新建题目对象遇到选项就挂到当前题目下遇到答案就回填。参数方面q_pattern里的\d支持多位题号[\.、]兼容中英文标点。如果 docx 里题干和选项在同一段需要改成按行拆分后再匹配。2.2 处理代码块和特殊符号PTA 理论考里经常出现代码阅读题代码段可能带缩进、花括号、分号。python-docx会把代码行也当普通段落读出来所以要在解析时判断如果某段以#include、int main、for、while开头就归入当前题目的code字段而不是当成题干。code_keywords (#include, int main, for(, while(, printf, scanf) if text.startswith(code_keywords) and current: current.setdefault(code, []).append(text) continue注意有些 docx 用表格排版选项这时doc.paragraphs读不到需要遍历doc.tables。我一般会先检查len(doc.tables)如果大于 0就同时解析表格单元格。2.3 把解析结果写入 SQLite 方便查询JSON 适合小规模题目多了还是 SQLite 顺手。建表时把知识点标签留出来后面可以按「指针」「字符串」「文件」筛选。import sqlite3 conn sqlite3.connect(pta.db) cur conn.cursor() cur.execute( CREATE TABLE IF NOT EXISTS questions ( id INTEGER PRIMARY KEY, stem TEXT, options TEXT, answer TEXT, code TEXT, tag TEXT ) ) for q in questions: cur.execute( INSERT OR REPLACE INTO questions VALUES (?,?,?,?,?,?), (q[id], q[stem], json.dumps(q[options], ensure_asciiFalse), q[answer], \n.join(q.get(code, [])), ) ) conn.commit() conn.close()参数说明INSERT OR REPLACE保证重复解析不报错options存 JSON 字符串查询时用json.loads还原。tag字段先留空下一章用关键词自动打标。3. 按 C 语言知识点给 PTA 题库自动打标签3.1 标签体系怎么定PTA 理论考的高频标签可以按热词整理成这几类C 语言基础、指针与函数指针、字符串函数、文件读写、结构体与链表、排序与查找、格式化输出。每道题可能命中多个标签所以用多标签匹配而不是单选。标签关键词示例对应热词指针*a、、指针函数c语言中的*a什么意思字符串strstr、fgets、逆序字符串逆序c语言pta文件fscanf、fprintf、fopenc语言文件读写操作代码排序查找冒泡、二分查找二分查找pta函数结构体链表struct、malloc、nextc语言 链表3.2 用关键词匹配自动打标tag_rules { 指针: [指针, *a, , 函数指针], 字符串: [字符串, strstr, fgets, 逆序, strlen], 文件: [文件, fopen, fscanf, fprintf, fclose], 排序查找: [冒泡, 二分, 排序, 查找], 结构体链表: [struct, 链表, malloc, next], 格式化输出: [printf, %d, %c, 格式化], } def auto_tag(text): tags [] for tag, kws in tag_rules.items(): if any(kw in text for kw in kws): tags.append(tag) return ,.join(tags) # 更新数据库 conn sqlite3.connect(pta.db) cur conn.cursor() cur.execute(SELECT id, stem, code FROM questions) for qid, stem, code in cur.fetchall(): full (stem or ) (code or ) cur.execute(UPDATE questions SET tag? WHERE id?, (auto_tag(full), qid)) conn.commit()逻辑说明auto_tag遍历规则表只要题干或代码里出现任一关键词就命中。参数上关键词列表可以按实际 docx 内容增删。注意*a这种短词容易误伤建议先跑一遍看命中率再决定是否保留。3.3 人工校验和标签修正自动打标不可能 100% 准尤其是「指针」和「结构体」经常交叉。常见做法是导出 CSV 抽查sqlite3 -header -csv pta.db SELECT id, tag, substr(stem,1,40) FROM questions; check.csv打开后重点看标签为空的题和标签过多的题。标签为空说明关键词没覆盖补规则标签过多说明规则太宽加排除词。这一步花 10 分钟后面刷题体验会好很多。4. 用 SQL 和脚本按知识点刷 PTA 理论题4.1 按标签随机抽题题库建好后最实用的功能是按标签随机抽 10 题自测。SQL 里用ORDER BY RANDOM()即可SELECT id, stem, options, answer FROM questions WHERE tag LIKE %指针% ORDER BY RANDOM() LIMIT 10;如果要在命令行直接跑可以包一层 Pythonimport sqlite3, json, random def quiz(tag, n10): conn sqlite3.connect(pta.db) cur conn.cursor() cur.execute(SELECT id, stem, options, answer FROM questions WHERE tag LIKE ?, (f%{tag}%,)) rows cur.fetchall() conn.close() random.shuffle(rows) for qid, stem, opts, ans in rows[:n]: print(f[{qid}] {stem}) for k, v in json.loads(opts).items(): print(f {k}. {v}) input(按回车看答案...) print(f 答案{ans}\n) quiz(字符串)参数说明tag传中文标签n控制题量。input用来暂停适合自己刷题如果要做成自动判分就把input换成answer input()再比对。4.2 错题记录与二次复习刷题不记录错题等于白刷。加一张错题表CREATE TABLE IF NOT EXISTS wrong ( qid INTEGER, wrong_count INTEGER DEFAULT 1, last_time TEXT, PRIMARY KEY (qid) );每次答错就INSERT OR REPLACE并累加次数。复习时优先抽wrong_count高的题SELECT q.id, q.stem, w.wrong_count FROM questions q JOIN wrong w ON q.id w.qid ORDER BY w.wrong_count DESC LIMIT 20;这样能把「字符串逆序」「二分查找」这类易错题反复过比从头刷效率高。4.3 导出成 Markdown 方便手机看有时候不想开电脑就把题目导出成 Markdownwith open(pta_review.md, w, encodingutf-8) as f: for qid, stem, opts, ans in rows: f.write(f### {qid}. {stem}\n\n) for k, v in json.loads(opts).items(): f.write(f- {k}. {v}\n) f.write(f\n 答案{ans}\n\n)注意导出前把代码块用三个反引号包起来否则 Markdown 渲染会乱。这一步在脚本里判断code字段是否为空即可。5. 解析 PTA docx 时最容易踩的 5 个坑5.1 题号和选项在同一段有些 docx 为了省空间把「1. 以下说法正确的是 A. ... B. ...」写成一段。这时正则要改成先按题号切分再在剩余文本里找选项。常见做法是用re.split按[A-D][\.、]拆分。5.2 答案藏在表格或批注里如果doc.paragraphs里找不到答案检查doc.tables和doc.core_properties.comments。表格里的答案需要遍历table.rows再取cell.text。5.3 代码块缩进丢失python-docx读出的段落会去掉前导空格。解决办法是读para._p.xml里的w:t节点或者用para.style.name判断是否是代码样式。更简单的做法是如果连续多段以{、}、;结尾就手动补四个空格。5.4 中文标点导致正则不匹配题号可能是「」全角选项可能是「」。正则里加上全角范围[-]和[-]或者先做unicodedata.normalize转半角。5.5 重复题目和编号跳号docx 里可能有重复题或编号从 1 跳到 100。建库时用stem的哈希去重import hashlib h hashlib.md5(stem.encode()).hexdigest()编号跳号不影响刷题但导出时最好重新编号避免看着别扭。6. 把 PTA 理论题库接进本地刷题脚本的进阶技巧6.1 用 fgets 思路做批量导入如果你后续还有别的 docx可以写一个批量导入函数模仿fgets逐行读的思路先读文件列表再逐个解析、打标、入库。核心是保持id自增避免冲突。import glob for path in glob.glob(*.docx): questions parse_docx(path) # 复用第2章函数 save_to_db(questions, sourcepath)6.2 用二分查找优化大题量检索题目超过几千道后按标签LIKE查询会变慢。可以在tag上建索引或者把标签拆成多行存到关联表再用EXPLAIN QUERY PLAN看是否走索引。二分查找在这里不是用来搜题而是用来快速定位题号区间。CREATE INDEX idx_tag ON questions(tag); EXPLAIN QUERY PLAN SELECT * FROM questions WHERE tag LIKE %指针%;注意LIKE %指针%前置通配符会让索引失效。改成tag 指针或tag LIKE 指针%才能用上索引。如果必须多标签模糊匹配就上 FTS5 全文索引。6.3 验证解析完整性的三个指标跑完脚本后用这三个指标判断解析质量题目总数是否和 docx 里题号最大值接近答案非空率是否超过 90%选项数为 4 的题目占比是否合理。任何一个指标异常就回到第 5 章对应坑位排查。total len(questions) has_answer sum(1 for q in questions if q[answer]) four_opts sum(1 for q in questions if len(q[options]) 4) print(f总数 {total}有答案 {has_answer}四选项 {four_opts})最后一个小技巧把pta.db和pta_review.md一起放进手机笔记软件通勤时刷错题表里wrong_count最高的那批比重新背 docx 快得多。本文还有配套的精品资源点击获取