试卷转 XLSX 导入包生成器

解决什么问题

一份试卷往往同时包含 PDF、Word、扫描图片等多种来源，题干、选项、配图、答案散落在版面各处。手工录入题库意味着逐题复制、整理公式、下载图片、拼命名，一小时的卷子可能耗掉半天。这个技能把"试卷 → 可导入包"整条链路自动化：上传任意格式的试卷文件，拿到一个 ZIP，内含符合导入规范的 .xlsx 和按序号命名的题目图片，直接走系统的 ZIP 导入即可。

核心能力

• 多格式解析：PDF、DOCX、JPG/PNG 均可读取，提取全部题目内容
• 题型智能识别：选择题、多选题、填空题、判断题、复合题等六类，选项与答案一并提取
• 复合题展开：阅读理解、完形填空等大题按规则拆成多行，连续行使用相同序号，导入时自动合并
• KaTeX + Markdown 原样保留：公式以 $...$ 行内或 $$...$$ 块级写入单元格，不做截图替换
• 填空题多空支持：答案列用半角分号 ; 分隔多个空，各空独立判分，展示界面逐空列出
• 解析自动补全：AI 基于题目与答案生成解析，含 KaTeX 公式与 Markdown 排版，不留空
• 来源溯源：每题标注 试卷名-第X题，复合题多行共用同一来源

关键步骤

1. 读取试卷文件，逐题提取题面、选项、答案与配图
2. 按原顺序编号，从 1 递增；复合题首行只写大题材料，小题各自成行
3. 裁剪题目图形（几何图、函数图等），按 Q.png、Q_A.png、Q_ans.png、Q_s1.png 等规则命名，放压缩包根目录
4. 逐张核对图片：内容对应、截取完整、无水印杂质、命名与序号一致，有问题必须重裁
5. 先写 12 列 CSV，用 scripts/exam_to_xlsx.py 转成标准 XLSX（需 openpyxl）
6. XLSX 与图片同级打包为 ZIP，复制到项目 assets/ 目录并作为交付物呈现

注意点

• 知识点列统一留空：不做自动推断，由教师导入后手动补充
• 单元格不写图片路径：禁止出现 [图片]、见图 等占位文字，图片全靠文件名与序号自动匹配；没有配图的题目不生成图片文件
• 只裁题目图形：二维码、条码、页码、页眉水印一律不提取，也不能整页截图
• 不重复写题号：题面只写正文，系统自动加序号
• 导入时需手动选科目：包内没有科目信息，上传后要在导入页指定
• 文件名规则：XLSX 与 ZIP 均取用户给的原始文件名（去扩展名），不加"导入"等后缀

适用边界

适合结构清晰、答案可辨识的试卷。OCR 误差、扫描件模糊、复合题材料跨页等情况仍可能出现识别偏差，生成后建议在题库预览中逐题核对。