如何加速背完一套3600題的題庫？

剛剛入職就收到了一份3600題的題庫。知道本身的腦子不太好使，因而對題庫進行了一系列選項分析，減少了800多題的背題量並掌握了許多蒙題技巧:)

目錄

step 1.關鍵信息提取

step 2.選項分佈與正確率統計

step 3.精華選項提取

step 4.選項出現詞彙正確率統計

step 1.關鍵信息提取

因爲題庫文本內容較多，爲簡化咱們首先將有價值的數據進行了提取。須要提取的信息包括：題號，題型（包括單選，多選，判斷），選項數量（有的題目不止四個選項），答案。

題庫大概是長這樣的：

（題目樣式如圖所示 題目內容僅供參考）

所以跑題庫的整體思路是這樣的：

（1）當識別到「【第」時，記錄下當前題號

（2）當識別到‘’單選「」多選「」判斷「時，記錄下當前題型(D1)(D2)(D3)

（3）當識別到'\n'+字母時，選項個數+1

（4）當識別到「答案：」時，記錄選項個數和正確選項

值得一提的是，用C語言處理漢字是比較頭疼的，在不一樣的平臺，不一樣的編譯環境中漢字有不一樣的存儲方式。所以首先須要測試一下在當前環境下一個漢字字符在內存中佔用的字符數：

1 printf("單個漢字佔用字節數:%d",strlen("中文字符")/4);

我用的環境中漢字是用兩個普通字符存儲的，所以在比較漢字時只須要和對應的兩個編碼進行對比便可。

因爲涉及漢字字符串的比較，導入數據時我開了一個緩衝區c[20]。能夠這樣導入漢字：

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

源代碼：

 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;//狀態開關 
10     bool flag1=false;//字母開關 
11     int k=1;
12     while(i<1200000){
13         c[++i]=getchar();
14         //判斷題型 
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         }//單選 
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         }//多選 
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         }//判斷 
27         //記錄答案 
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         //開題 
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;//換兩行且flag狀態爲1代表一題已經結束 
38             }
39         }
40         //輸出價值字母 
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 } 

提取完後將關鍵信息導出至文本文檔中，大概長這樣：

step 2.選項分佈及正確率統計

這一步主要統計了各個題型的題目數量，計算了各題型中各個選項的正確機率，以及多選題中正確選項數量的機率。（發現多選題全選機率超過40%hhh）因爲多選題通常包含四個選項，所以我單獨對四個選項的多選題的各類答案數量進行了直接彙總。

首先須要給數據創建合適的存儲結構。

單選題數據結構：

二維數組dan_count：dan_count_i0表示包含i個選項的題目有幾題；dan_count_ij表示包含i個選項的題目中，第j個選項正確的題目有幾題。

各選項正確機率：dan_count_ij / dancount_i0

多選題數據結構：

二維數組duo_count：duo_count_i0表示包含i個選項的題目有幾題 ；duo_count_ij表示包含i個選項的題目中，第j個選項正確的題目有幾題。

二維數組duo_numcount：duo_numcount_ij表示包含i個選項的題目中，有j個選項正確的題目有幾題。

二維數組duo_enumcount：用於專門統計四個選項的題目：i爲多選題13種可能（AB AC AD BC BD CD ABC ABD ACD BCD ABCD）對應的二進制，duo_enumcount_ij表示各狀況下各項正確個數。

判斷題數據結構：

pan_a：統計判斷題正確數量

pan_b：統計判斷題錯誤數量

源代碼：

  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<<"單選題總數："<<dan<<endl; 
 59     for (int i=2;i<=4;i++){
 60         cout<<"有"<<i<<"個選項的題目數量爲"<<dan_count[i][0]<<endl;
 61         for (int j=1;j<=i;j++) printf("選%c的機率：%.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<<"多選題總數："<<duo<<endl; 
 67     for (int i=3;i<=6;i++){
 68         cout<<"有"<<i<<"個選項的題目數量爲"<<duo_count[i][0]<<endl;
 69         for (int j=1;j<=i;j++) 
 70         printf("%c正確的機率：%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個選項正確的機率：%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<<"判斷題總數："<<pan<<endl; 
 80     cout<<"判斷題正確機率：";
 81     printf("%.2f %\n",((double)pan_a/(pan_a+pan_b)*100));
 82     cout<<"判斷題錯誤機率：";
 83     printf("%.2f %\n",((double)pan_b/(pan_a+pan_b)*100));
 84     cout<<endl;
 85     printf("特別統計（四個選項的多選題選項分佈）\n");
 86     printf("選項  次數\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("選項統計結果.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.精華選項提取

這一步前後提取了(1)單選題和判斷題中的正確選項 (2)非全選的多選題。

這套題庫的多選題共計 713 題，其中 309 題答案爲全選，另外 404 題答案爲非全選。因此說背完404題就掌握了713題......

提取選項須要掃兩遍題庫：

（1）第一遍掃描每道題的答案，在每道題須要的輸出的選項上打上標記。

ans[k][c[20]-'A'+1]=1;//第k題的當前選項是正確

（2）第二遍掃描標記，進行輸出。

源代碼：

 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題的該選項是對的 
23             get_char();
24         }
25     }
26     //提取正確選項 
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         }//讀出題號 
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]){//已經沒有可讀選項時退出 
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;//該選項已經提取完畢 
44                             char tc=0;
45                             while (tc!='\n'){
46                                 tc=getchar();
47                                 cout<<tc; 
48                             }//輸出選項內容 
49                             c[20]='\n';
50                         }
51                     }
52                 } 
53                 k++;
54             }
55             num=0;
56         }
57     }
58     return 0;
59 } 

step 4.選項出現詞彙正確率統計

最後一步將全部題目的正確選項進行了提取分析。經過各個詞彙在正確選項中出現率和在全文的出現率的對比，得出了195個正確率100%的高頻詞彙和366個正確率大於等於80%的高頻詞彙。

實現這一步須要用到python的jieba分詞了（被迫妥協）。用ANSI編碼導入全部選項與全部正確選項，根據全部選項的分詞創建總詞彙典dict，統計兩個文件出現詞彙次數至cnt(cnts)，計算出現率，排序，輸出。

 1 import jieba
 2 fs=open("item.txt","r",encoding="ansi")
 3 txts=fs.read()
 4 words=jieba.lcut(txts)
 5 #建立詞彙典
 6 dict=[]
 7 k=0
 8 for wrd in words:
 9     if dict.count(wrd)==0:
10         dict.append(wrd)
11 #統計兩個文件出現詞彙次數至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 #計算出現率
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," 出現總次數：",cnts[maxwrd],' 正確機率：',i*100,'%')
38     cnts[maxwrd]=0