105 lines
4.2 KiB
Python
105 lines
4.2 KiB
Python
"""
|
||
这个文件会根据对应的试卷code，去网站上提取它的题目和答案，并处理成可以被简浴包分析的 Lua 文件。
|
||
请注意，生成文件后，你需要手动：
|
||
1. 添加公式/删除其中含有图片、含有资料的题目；
|
||
2. 修改英文冒号为中文冒号；
|
||
3. 修改百分号为双百分号；
|
||
4. 把所有填入画横线部分的线画出来。
|
||
目前的爬虫程序做不到这些。
|
||
"""
|
||
|
||
import requests
|
||
from bs4 import BeautifulSoup
|
||
|
||
code = "1706852967747"
|
||
|
||
# 获取选择题网页内容
|
||
url_questions = f'https://www.gkzenti.cn/paper/{code}'
|
||
response_questions = requests.get(url_questions)
|
||
html_content_questions = response_questions.text
|
||
|
||
# 使用BeautifulSoup解析HTML
|
||
soup_questions = BeautifulSoup(html_content_questions, 'html.parser')
|
||
|
||
# 找到所有包含选择题的div元素
|
||
questions_divs = soup_questions.find_all('div', class_='row')
|
||
|
||
# 定义Lua列表
|
||
lua_list = []
|
||
|
||
# 遍历每个问题的div元素
|
||
for idx, question_div in enumerate(questions_divs, start=1):
|
||
# 检查是否包含正确的结构
|
||
if question_div.find('div', class_='col-xs-1 left') is None or question_div.find('div', class_='col-xs-11 right') is None:
|
||
continue
|
||
|
||
# 获取题干内容，包括多行的情况
|
||
question_text_elements = question_div.find('div', class_='col-xs-11 right').find_all('p')
|
||
question_text = '<br>\n'.join([element.get_text(strip=True) for element in question_text_elements])
|
||
|
||
# 寻找所有的选项，包括 <div class="col-xs-3">, <div class="col-xs-6"> 和 <div class="col-xs-12">
|
||
options_divs = question_div.find_all('div', class_=['col-xs-3', 'col-xs-12', 'col-xs-6'])
|
||
options = [option.get_text(strip=True) for option in options_divs]
|
||
|
||
# 构建Lua语言中的列表结构
|
||
lua_question = [
|
||
question_text,
|
||
[option for option in options],
|
||
"" # 此处使用空字符串，因为答案是一个字符串而不是列表
|
||
]
|
||
|
||
lua_list.append(lua_question)
|
||
|
||
# 获取答案网页内容
|
||
url_answers = f'https://www.gkzenti.cn/answer/{code}'
|
||
response_answers = requests.get(url_answers)
|
||
html_content_answers = response_answers.text
|
||
|
||
# 使用BeautifulSoup解析HTML
|
||
soup_answers = BeautifulSoup(html_content_answers, 'html.parser')
|
||
|
||
# 找到包含答案的div元素
|
||
answers_divs = soup_answers.find_all('div', class_='col-xs-1-5')
|
||
|
||
# 获取所有答案信息
|
||
answers_info = [item.get_text(strip=True) for item in answers_divs]
|
||
|
||
# 将答案信息添加到相应题目的答案区域
|
||
for idx, lua_question in enumerate(lua_list):
|
||
if idx < len(answers_info):
|
||
lua_question[2] = answers_info[idx][-1] # 只需要它后面的那个选项就行
|
||
|
||
# 将数据存储到文件中
|
||
with open(f'{code}.lua', 'w', encoding='utf-8') as file:
|
||
file.write(f"-- 试卷来源：{url_questions}，答案来源：{url_answers}，\n"
|
||
f"-- 由爬虫自动生成，请手动检查：\n"
|
||
f"-- 1. 添加公式/删除其中含有图片、含有资料的题目；\n"
|
||
f"-- 2. 修改英文冒号为中文冒号；\n"
|
||
f"-- 3. 修改百分号为双百分号；\n"
|
||
f"-- 4. 把所有填入画横线部分的线画出来。\n"
|
||
f"-- 已检查在此打勾：【】\n\n")
|
||
file.write("local questions = {\n")
|
||
for idx, lua_question in enumerate(lua_list, start=1):
|
||
file.write(f" -- {idx}\n")
|
||
# # 有一些这些题号的题目并不是这些题目
|
||
#
|
||
# if idx in range(71, 81):
|
||
# file.write(f" -- 该题已被删除，因为是图形推理题\n")
|
||
# continue
|
||
#
|
||
# if idx in range(106, 131):
|
||
# file.write(f" -- 该题已被删除，因为是资料分析题\n")
|
||
# continue
|
||
|
||
file.write(" {\n")
|
||
for item in lua_question:
|
||
if isinstance(item, list): # 如果这是一个列表（也就是选项的列表）
|
||
file.write(" {\n")
|
||
for subitem in item:
|
||
file.write(f' [[{subitem}]],\n')
|
||
file.write(" },\n")
|
||
else: # 如果这不是一个列表（也就是要么是题干，要么是正确答案）
|
||
file.write(f' [[{item}]],\n')
|
||
file.write(" },\n")
|
||
file.write("}\n\nreturn questions\n")
|