简介万维题库管理系统单机版是一套面向教育机构、培训讲师及自学者设计的本地题库管理工具无需联网即可完成试题录入、分类存储、随机组卷与答案解析适合网络不稳定或注重数据隐私的办公场景。资源压缩包共11个文件约14.21MB以安装主程序exe、动态链接库dll及配置文件ini/ins为主配套HTM格式说明文档涵盖安装引导、功能模块与使用须知用户运行SETUP后即可部署使用。已有2255人下载学习。凭借这套安装包读者可快速搭建本地题库系统借助系统提供的导入导出与组卷功能提升日常教学或考试准备的资源管理效率单机模式也便于自主备份与维护适合中小型教育机构长期沉淀试题资产。1. 单机题库管理系统为什么本地存储依然是刚需题库管理听起来不像在线刷题那样时髦但真正管过几百上千道题的人都知道单机版反而是最不容易踩坑的方案。不用服务器、不依赖网络、数据全在自己手里一套“万维题库管理系统单机版”就能把题目录入、分类、组卷、导出、练习全部跑通。这篇文章就把它拆开讲题目数据怎么组织、题型怎么扩展、随机组卷的参数怎么设、导出试卷会遇到哪些鬼问题以及单机版特有的几个坑。适合学校、培训机构里有离线出题需求的人也适合想自己搭一套题库工具的开发者。2. 题库数据模型先想清楚题目怎么存后面才不返工2.1 题型有差异但一张题表能装下单选、多选、判断、填空、简答这五种题型几乎覆盖了日常考试。如果给每种题型单独建表后续加一个题型就要改一次代码这在单机版项目里是给自己找麻烦。常见做法是“一表通吃”所有题目统一放进 question 表选项、答案、标签都用 JSON 文本存储。这样新增题型基本不影响表结构查询和写入也都简洁。建表 SQL 在资源包里已经写好核心结构如下CREATE TABLE IF NOT EXISTS question ( id INTEGER PRIMARY KEY AUTOINCREMENT, subject_id INTEGER NOT NULL, chapter_id INTEGER, type TEXT NOT NULL CHECK(type IN (single,multi,judge,fill,essay)), content TEXT NOT NULL, options TEXT DEFAULT [], answer TEXT NOT NULL, difficulty INTEGER DEFAULT 3, tags TEXT DEFAULT [], analyze TEXT DEFAULT , created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP );逻辑说明subject_id 关联科目表chapter_id 关联章节表用于做第一层过滤type 用 CHECK 约束保证只能写入预设题型避免脏数据options 和 tags 都存 JSON 数组answer 根据题型不同存 JSON 数组或纯文本。例如单选题 answer 存选项下标[1]判断题存[1]1 表示正确0 表示错误填空题存[二分查找]这种多空答案列表。difficulty 取 1 到 5默认 3方便组卷时按难度控制比例。analyze 是题目解析练习模式里会用到。参数说明没有把 options 单独拆表是因为单机版的数据量通常不会超过几万题JSON 文本读写的性能完全可以接受而且编辑一道题时只需要一次 UPDATE 就能改完所有字段。如果将来要做复杂的按选项内容筛选再考虑拆表也不迟。对于填空题和简答题answer 可能包含多个得分点比如简答的参考答案是“尽量按要点给分”。资源包里约定 answer 存 JSON 数组每个元素是一个要点批量导入时也按这个格式解析。2.2 科目、章节、标签三层索引怎么设计查题最常用的过滤条件是“某科目下的某章节难度几颗星带某个标签”。科目和章节是一对多关系标签是多对多关系。单机版不必把多对多做成三张表直接在 question 表里存 tags 数组即可。查询时用 JSON 包含匹配SQLite 3.38 以上支持 json_each老版本也可以用 LIKE 兜底。科目表和章节表很简单CREATE TABLE IF NOT EXISTS subject ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT NOT NULL UNIQUE ); CREATE TABLE IF NOT EXISTS chapter ( id INTEGER PRIMARY KEY AUTOINCREMENT, subject_id INTEGER NOT NULL, name TEXT NOT NULL, UNIQUE(subject_id, name) );为什么不把章节也塞进 question 表里冗余存储因为组卷时经常要按章节树浏览单独建表可以避免章节重名混乱而且在界面上左边的科目树直接查询这两张表就能渲染出来。章节的 UNIQUE 约束能防止同一科目下出现两个同名章节。标签的存法我一般建议直接用逗号分隔或 JSON 数组然后配合 LIKE 查询。例如筛选同时带“基础”和“指针”标签的题SELECT * FROM question WHERE tags LIKE %基础% AND tags LIKE %指针%;逻辑说明LIKE 匹配 JSON 字符串中的值%基础%这种写法能匹配到包含“基础”元素的 JSON 数组误匹配概率比直接 LIKE 不加引号低很多。缺点是查不到“基础”作为子串的情况比如标签是“基础语法”这种误匹配反而是好事因为标签通常是精确词。参数说明如果标签数量巨大或者查询频繁可以给 tags 建一个普通索引但单机版里更多是选择题量不大的场景索引收益不大。真正需要索引的是 subject_id、chapter_id 和 type这三个字段是组卷查询的高频条件资源包里的建表脚本默认给这三列建了复合索引。2.3 数据库初始化与备份单机版的后悔药单机版数据库就是一个文件通常叫 wanjuan.db放在项目根目录下。资源包在启动时会自动执行init_db()检查表是否存在不存在就建表并插入两个示例科目。数据库初始化脚本里会设置PRAGMA journal_modeWAL;这个参数让读写可以并发避免界面卡顿。备份是单机版最容易被忽略的一环。因为数据都在本地不备份就意味着硬盘坏了全完蛋。我一般会建议在程序退出时自动复制一份带日期的数据库文件def backup_db(db_path: str, backup_dir: str) - str: os.makedirs(backup_dir, exist_okTrue) ts time.strftime(%Y%m%d_%H%M%S) backup_path os.path.join(backup_dir, fwanjuan_{ts}.db) # 使用 sqlite3 backup API 代替文件复制避免复制到不一致状态 src sqlite3.connect(db_path) dst sqlite3.connect(backup_path) src.backup(dst) dst.close() src.close() return backup_path逻辑说明直接复制 db 文件在 Windows 上经常遇到文件占用报错因为数据库连接没关闭。这里用 sqlite3 的 backup API可以在数据库运行中做安全备份生成的文件是一致的快照。返回值是备份路径存到日志里方便审计。参数说明WAL 模式会额外生成 -wal 和 -shm 文件备份时如果只复制主文件会漏掉未合并的数据。用 backup API 就没有这个问题。资源包默认每 30 分钟自动备份一次备份目录保留最近 5 份旧文件自动清理避免磁盘爆掉。3. 把第一道题录进去环境、界面与核心代码走读3.1 环境准备与启动资源包基于 Python 3 Tkinter SQLiteWindows、macOS、Linux 都能跑。前提是先有 Python 3.8 以上环境。启动步骤cd wanjuan_standalone python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install -r requirements.txt python main.py逻辑说明venv 是虚拟环境避免依赖污染系统 Pythonrequirements.txt 里主要就是 pyinstaller 打包需要的依赖运行时其实只用标准库但为了导出 Excel 和 PDF 会带上 openpyxl 和 weasyprint。安装完依赖后运行 main.py会先检查数据库文件是否存在不存在则自动执行建表脚本并写入两个示例科目。参数说明如果 Tkinter 提示缺少 _tkinterWindows 上重新安装 python 时勾选 tcl/tk 即可Linux 上需要sudo apt install python3-tk。这是最常见的环境问题之一后面避坑章还会再提。3.2 界面操作从建科目到录题主界面分成三块左侧是科目章节树右侧是题目列表底部是状态栏。要录入一道题常规操作顺序是在左侧科目树上右键“新建科目”输入科目名比如“高等数学”。在科目下右键“新建章节”输入“第一章 函数与极限”。点击工具栏的“新增题目”弹窗里选择题型、难度填写题干、选项多选/单选时才需要勾选正确项、答案和解析。点击保存题目进入列表同时落到本地 SQLite 文件里。这套流程没什么玄学但你如果直接开始录题而不先建科目保存时会提示“缺少科目”因为 subject_id 不允许为空。资源包里多选题录入时选项是用 A/B/C/D 加勾选框保存时会把勾选的下标组转换成 JSON 数组比如勾了 A 和 Canswer 存[0,2]。3.3 核心代码走读题目保存与列表刷新资源包里题目保存的入口是save_question()方法所有题型共用这一个函数。关键实现def save_question(self, data: dict) - bool: 保存题目data 里包含 subject_id, type, content, options, answer 等 options 和 answer 在进入这里之前已经被序列化成 JSON 字符串 conn sqlite3.connect(self.db_path) conn.execute(BEGIN) try: if data.get(id): conn.execute( UPDATE question SET subject_id?, chapter_id?, type?, content?, options?, answer?, difficulty?, tags?, analyze? WHERE id?, (data[subject_id], data.get(chapter_id, 0), data[type], data[content], data[options], data[answer], data[difficulty], data[tags], data[analyze], data[id]) ) else: conn.execute( INSERT INTO question (subject_id, chapter_id, type, content, options, answer, difficulty, tags, analyze) VALUES (?,?,?,?,?,?,?,?,?), (data[subject_id], data.get(chapter_id, 0), data[type], data[content], data[options], data[answer], data[difficulty], data[tags], data[analyze]) ) conn.commit() return True except Exception as e: conn.rollback() logger.error(save_question failed: %s, e) return False finally: conn.close()逻辑说明函数先连接数据库开启显式事务。如果 data 里有 id 就走 UPDATE没有就走 INSERT。注意 UPDATE 里 chapter_id 可能为空默认填 0表示没有章节这比 NULL 好处理因为 0 不参与外键匹配。commit 成功才返回 True任何异常都会回滚避免写了一半的坏数据留在库里。logger 用的是 Python 标准 logging错误信息会被截断到日志文件方便排查。参数说明这里有个容易被忽略的细节——data 里的 options 和 answer 在调用这个方法之前必须已经是 JSON 字符串。如果直接传 Python 列表sqlite3 会报 “Python type list” 类型错误。资源包界面上已经做了序列化但如果你要写脚本批量导入一定要先json.dumps(options, ensure_asciiFalse)。列表刷新逻辑更简单查询当前科目章节下的题目按 updated_at 倒序排列然后把每道题的 type 转成中文显示。代码片段rows conn.execute( SELECT id, content, type, difficulty, updated_at FROM question WHERE subject_id? AND (chapter_id? OR ?0) ORDER BY updated_at DESC, (subject_id, chapter_id, chapter_id) ).fetchall()参数说明chapter_id0时表示查看该科目下所有章节的题这种写法比动态拼接 SQL 更安全也不会出现 SQL 注入问题。Tkinter 的 ttk.Treeview 直接加载这些 rows 即可数据量在 2000 行以内界面不会卡超过的话就需要分页资源包里在查询语句里加了 LIMIT 和 OFFSET默认每页 100 行。3.4 批量导入从 Excel 一次灌入上千道题手工录入适合少量题几百道以上就必须用 Excel 模板。资源包里提供了一个 import_excel.py 脚本模板字段是科目、章节、题型、题干、选项A、选项B、选项C、选项D、正确答案、难度、标签、解析。导入时先读取模板逐行校验再把行数据转成字典传给 save_question。def import_excel(path: str, db_path: str) - dict: wb openpyxl.load_workbook(path, read_onlyTrue) ws wb.active result {success: 0, failed: 0} for row in ws.iter_rows(min_row2, values_onlyTrue): subject, chapter, qtype, content, opt_a, opt_b, opt_c, opt_d, answer, diff, tags, analyze row # 校验必填 if not subject or not qtype or not content: result[failed] 1 continue options [] for opt in (opt_a, opt_b, opt_c, opt_d): if opt: options.append(opt) # 单选题转成下标 JSON answer_index [A, B, C, D].index(answer) if qtype single else None data { subject_id: get_or_create_subject(subject, db_path), chapter_id: get_or_create_chapter(subject, chapter, db_path), type: qtype, content: content, options: json.dumps(options, ensure_asciiFalse), answer: json.dumps([answer_index], ensure_asciiFalse), difficulty: diff or 3, tags: json.dumps([t.strip() for t in tags.split(,) if t.strip()], ensure_asciiFalse), analyze: analyze or , } if save_question_with_conn(data, db_path): result[success] 1 else: result[failed] 1 return result逻辑说明模板里正确答案写成 A/B/C/D导入时先转成选项下标再序列化存储。get_or_create_subject 和 get_or_create_chapter 是辅助函数不存在科目就新建避免重复劳动。标签用逗号分隔导入时拆成数组。difficulty 为空就默认 3。参数说明批量导入最容易踩的坑是 Excel 里单元格有换行符或空格导致题干出现隐蔽差异。导入脚本里没有做 strip 处理我在实际使用中会在content.strip()之后再入库。资源包的版本里已经修正了这一点你拿到源码后可以检查一下。4. 随机组卷与导出把题库变成能用的试卷4.1 随机组卷的抽题逻辑组卷的核心是分层抽样。先确定每类题型、章节、难度各出几题然后按条件随机抽取。资源包里的组卷界面让你配置如下参数题型、章节范围、难度范围、每题分值、题量。生成试卷时内部先把计划拆成一个个小请求再合并。给一个简化但可用的生成函数def generate_paper(plan: list, conn) - list: plan 每一项形如 {type: single, chapter_id: 1, difficulty: 3, count: 5} 返回题目列表保证同一题不重复 paper [] seen_ids set() for item in plan: rows conn.execute( SELECT * FROM question WHERE type? AND chapter_id? AND difficulty? ORDER BY RANDOM() LIMIT ?, (item[type], item[chapter_id], item[difficulty], item[count]) ).fetchall() for row in rows: if row[id] not in seen_ids: paper.append(row) seen_ids.add(row[id]) return paper逻辑说明ORDER BY RANDOM() 是 SQLite 里最简单的随机抽题方式数据量在几千行内一般几十毫秒能完成。LIMIT 的数量就是该分类下的期望题数。如果题库里符合条件的不够SQLite 不会报错只返回实际存在的行数所以调用方要检查 paper 长度是否等于计划总数否则提示“该分类下题目不足”。参数说明一个容易被忽略的问题是如果计划里两个条目引用了同一章节但不同难度那么它们之间不会重复但如果两个条目都是同类型同章节同难度它们有可能抽到同一道题。上面用 seen_ids 去重但去重发生在抽取之后所以仍可能返回少于 count。更稳妥的做法是在 SQL 里用WHERE id NOT IN (SELECT id FROM temp_paper)每次动态排除不过单机版没必要为了这么小的性能损失写复杂 SQL。我一般会在组卷前先统计每个分类的题量不够就弹窗提示。4.2 导出 Word 与 PDF最稳妥的是先生成 HTML单机版导出试卷最常见的翻车现场是用 python-docx 直接生成复杂表格时图片排列乱、页眉页脚错位、中文字体变成方块。血泪经验告诉你不要跟 Word 的 XML 死磕老老实实先生成 HTML再通过浏览器或 LibreOffice 转成 PDF 或 Word。资源包里 export_paper.py 支持两种导出HTML 和 CSV。HTML 生成的简化版def export_html(paper: list, out_path: str) - None: html htmlheadmeta charsetutf-8/headbody for i, q in enumerate(paper, 1): html fpb{i}./b {q[content]}/p options json.loads(q[options]) for j, opt in enumerate(options): html fp stylemargin-left:20px{chr(65 j)}. {opt}/p if q[type] single: html p答案____/p html /body/html with open(out_path, w, encodingutf-8) as f: f.write(html)逻辑说明HTML 导出时不把答案写进去而是留空便于学生答题。如果你需要带答案版就再加一个参数在题目下方显示答案{q[answer]}。这里特别要注意chr(65 j)是把选项下标转成 A/B/C/D但多选题选项超过 4 个时就得用字母数组处理资源包固定支持 4 个选项。参数说明转 PDF 时Windows 上可以用 Edge 或 Chrome 打开 HTML 然后打印为 PDFLinux 上可以用wkhtmltopdf或weasyprint。资源包的 requirements.txt 里默认装了 weasyprint它会尝试直接转 PDF但 WeasyPrint 对 CSS 的支持有限太复杂的表格样式会变形。我的建议是如果出题量少直接用 Word 模板题目带图片多就导出 HTML 后手工调整。CSV 导出就简单多了按固定列把题干、选项、答案、解析写进 CSV方便日后迁移到其他题库软件。CSV 的坑主要是编码必须用encodingutf-8-sig否则 Excel 打开中文乱码。资源包代码里已经写了 utf-8-sig。5. 避坑单机版题库管理系统的五个雷区5.1 现象题录进去了但查询出不来原因通常是录入时科目或章节没选对或者保存时 subject_id 为空但界面没有刷新显示报错。我见过有人录了 100 道题结果左侧树选的是“复习资料”而题目挂在“正式题库”下列表当然显示不出来。解决在资源包的题目列表上方加一个“当前科目/章节”过滤器如果列表为空先切换到“全部章节”再看。另外检查日志文件如果save_question返回 False说明是写入失败要看异常信息。资源包默认把日志写到 logs/ 目录每次启动会生成带日期的日志文件。5.2 现象随机组卷抽到的题偏科原因在于计划拆得不够细。比如用户只想“第一章出 5 道第二章出 3 道”如果组卷界面把“章节范围”作为一个下拉框内部只根据起始章节和结束章节去随机抽题数可能全砸在第一章第二章一题没有。SQLite 的 RANDOM() 不会保证均匀分布。解决组卷前先按章节统计题目数量再把 count 按章节配额分配。最简单的方式是让用户按章节逐个设置题量禁止“范围式”配置。资源包的组卷面板默认就是每个章节单独一行这样每个 chapter_id 独立查询分发均匀。5.3 现象导出的 Word 打不开原因一般是直接改扩展名或用了错误的编码。有些版本用 python-docx 导出时生成的文件实际上是一个 HTML 文件但扩展名改成 .docWord 打开会提示“文件格式与扩展名不匹配”。解决不要用假 .doc要么导出为真正的 .docxpython-docx 生成要么就用 HTML 打印转 PDF。如果资源包里的 export_paper.py 输出的是 .html那你就老老实实打开 HTML。我通常把 “导出” 按钮分成两个一个生成 HTML一个用 weasyprint 转 PDF绝不提供假 Word。5.4 现象多标签筛选失效原因标签存的是 JSON 数组如果界面用WHERE tags LIKE %基础%筛选当标签是“基础语法”时也能匹配到但实际上标签并没有这个元素导致筛选结果比预期多。反过来如果你要精确匹配“基础”标签LIKE 匹配%基础%是 OK 的但如果某个标签叫“基础精讲”也会被匹配进去。解决如果必须精确匹配建议改用 SQLite 的 json_eachSELECT * FROM question, json_each(question.tags) AS tag WHERE tag.value 基础 AND tag.value 指针;注意这条 SQL 其实要求同一行同时满足两个 tag实际上不存在所以多条件匹配要改成 EXISTS 子查询。资源包里用的是 LIKE 方案因为单机版对误匹配容忍度较高。你要精确就用 json_each代价是查询变慢。5.5 现象数据库文件越用越大原因SQLite 删除数据不会立即释放磁盘空间这是它的正常行为。单机版如果频繁增删题目wanjuan.db 会膨胀到实际数据量的数倍。很多人误以为是内存泄露其实不是。解决定期执行一次 VACUUM。资源包在菜单里放了一个“压缩数据库”的按钮背后就是执行VACUUM。注意 VACUUM 会重写整个库文件几千道题还好几万道题可能需要几秒钟期间会锁库所以要放在空闲时手动触发。另外备份时不要直接复制在运行中的数据库文件应该先关闭程序或者用 SQLite 的 backup API。6. 进阶给单机版加一个“错题本”闭环答题之后把做错的题单独拎出来隔几天重新练一遍这是题库管理系统最有价值的功能。单机版实现错题本不需要复杂的算法建一张答题记录表再加上一个视图就够了。CREATE TABLE IF NOT EXISTS practice_log ( id INTEGER PRIMARY KEY AUTOINCREMENT, question_id INTEGER NOT NULL, user_answer TEXT NOT NULL, is_correct INTEGER NOT NULL, practiced_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE VIEW wrong_question AS SELECT q.*, COUNT(*) AS wrong_times FROM practice_log pl JOIN question q ON pl.question_id q.id WHERE pl.is_correct 0 GROUP BY q.id ORDER BY wrong_times DESC;逻辑说明每次答题界面上点“提交答案”程序把那道题的用户作答、正确与否写入 practice_log。is_correct 存 0 或 10 表示错误。wrong_question 视图统计每道题答错的次数按次数倒序排列错得越多排越靠前。在左侧树里新增一个“错题本”节点点击时查询这个视图把题目列表加载到右侧表格。重新练习时如果答对就再插入一条 is_correct1 的记录视图里仍然会统计过去的错题次数适合做重复训练。还有一个实用参数错题本过滤条件可以加一个“错题次数大于等于 2”的选项避免一次性做完就下一轮时看到所有错题。我通常把练习模式设置成当场答错的题立即进错题本之后每隔 3 天自动把错题本中的前 10 道题重新推送一次。资源包里用定时器实现这个每次启动程序时检查是否有到期需要复习的错题。从那以后我每次给机构搭题库管理系统都强制先跑一遍错题闭环因为出题不是目的练会才是。希望帮到你。本文还有配套的精品资源点击获取