用Python将机械设计考试题doc转化为可自测题库

简介：机械设计考试真题与答案解析汇总文档，主要面向机械类本科生、考研备考生及需要复习机械设计基础的从业者。内容覆盖齿轮接触与弯曲疲劳强度计算、螺纹连接防松、联轴器与离合器区别、链传动动载荷控制等高频考点，还涉及阿基米德蜗杆轴面参数、V带传动限制小带轮直径、双平键相隔120°布置、含油轴承采用粉末冶金等易混淆知识，并附有典型简答题、选择题与分析题，便于读者检验掌握程度。文档为1个doc文件，压缩包大小1.13MB，简洁便携，适合在学习或备考场景中直接打开查看。已有83人学习/下载，说明其内容具有一定参考价值。通过学习这份文档，读者可系统梳理闭式软齿面传动设计准则、螺栓联接选用、滚动轴承疲劳寿命计算等核心知识，也能对照考题解析加深对易混概念的理解，提升解题与应试能力。

1. 机械设计考试题及答案汇总：doc 文件为什么值得拆开用

绝大多数人网盘里都躺着一个「机械设计考试题及答案汇总--.doc」，下载时如获至宝，打开后两分钟关闭。原因不复杂：几百道题和答案混排在一起，今天做完明天想重做只能滚动翻页；按章节复习时，又没人告诉你哪块高频、哪块冷门。这篇内容把机械设计的考点权重拆开讲清楚，再给出一套能把这份 doc 变成结构化题库的完整技术链路：老格式 doc 的解析、题目文本的正则提取、JSON 题库落盘，以及一个能随机抽题和错题重练的自测工具。适合机械设计制造、机电一体化方向的在校生，也适合想用 Python 把历史课件盘活成复习系统的工程师。

2. 考点先行：机械设计考试高频知识点与题目自动打标

机械设计课程的考纲再怎么变，计算题都稳定落在四个位置：螺纹连接强度、齿轮接触与弯曲疲劳、轴的弯扭合成、滚动轴承寿命计算。概念题则集中在键连接工作面、联轴器选型、摩擦与润滑这几个方向上。复习时先给知识点排优先级，再看 doc 里的题，感觉完全不同。

2.1 五类必考模块与它们的典型题型

这张表的作用是帮你做减法。拿到题库后，先按模块把题分堆，计算题四板斧优先，概念题放到碎片时间背，比从头到尾刷几百道题有效得多。

2.2 用 Python 给题目打知识点标签

题目文本读出来以后，第一个实用操作是自动打标签。做法不复杂：每个考点维护一组关键词，子串匹配命中就归类。识别率足够考试复习用，没必要上分类模型。

import re def normalize(text: str) -> str: # 去全角空格和制表符，统一为半角空格，避免关键词匹配失败 return re.sub(r"[ \u3000\t]+", " ", text) def tag_question(content: str) -> list[str]: tag_map = { "螺栓": ["螺栓", "螺纹", "预紧力", "防松", "残余预紧力"], "齿轮": ["齿轮", "模数", "齿面接触", "齿根弯曲", "啮合"], "轴": ["转轴", "心轴", "传动轴", "弯扭", "轴径"], "轴承": ["轴承", "当量动载荷", "寿命", "滚动体"], "键": ["平键", "键连接", "工作面", "挤压"], "联轴器": ["联轴器", "离合器", "对中"], } text = normalize(content) tags = [] for tag, keywords in tag_map.items(): if any(kw in text for kw in keywords): tags.append(tag) return tags

normalize里的正则[ \u3000\t]+匹配半角空格、全角空格和制表符，统一压缩成一个半角空格；tag_question用any(kw in text for kw in keywords)做逻辑或，只要命中一个关键词就认为这题属于该模块。因为子串匹配是按字符走的，所以关键词不要写「轴的强度」这种带结构的短语，写成「弯扭」「轴径」这种离散片段更稳妥。

打标签有两个实际用途：一是复习时按模块刷题，比如只抽「螺栓」相关的题；二是统计权重，算出这份 doc 里哪个模块题量最大，和教材重点互相印证。一个复习周期里，按「计算题四板斧优先、概念题碎片时间背」的节奏走，比从第一题做到最后一题有效得多。

2.3 为什么「答案汇总」不能只背结果

考试题里计算题是大头，而计算题看的是步骤和参数来源。比如普通螺栓抗拉强度计算，危险截面的面积用的是螺纹小径 d1 对应的截面积，不是公称直径 d；这个区别如果只背「结果等于 8.376mm」是记不住的。概念题也一样，「平键的工作面是两侧面」这句话，答案只给了「两侧面」，但考试如果问「上下面有效吗」，必须知道是因为间隙配合才不参与传递转矩。

所以处理这份 doc 的正确策略是：把答案当作校验函数，而不是背诵材料。做题时遮住答案，把计算过程和结论写在纸上，再和 doc 里的标准答案对照。遇到参数取值不一致，比如安全系数 S 取 1.3 还是 1.5，去翻教材的表格，而不是改自己的过程去迎合答案。

3. 解析 .doc 老格式：从 OLE2 到 python-docx 的完整链路

3.1 先分清 .doc 和 .docx，别让 python-docx 白报错

文件名带.doc的老文档，内部结构是 OLE2 复合文档，一种二进制容器格式；.docx则是 ZIP 压缩包，里面是若干 XML 文件。python-docx 只能读 .docx，直接给它传 .doc 会抛PackageNotFoundError或直接读出一堆乱码。所以拿到「机械设计考试题及答案汇总--.doc」的第一步，不是写代码，而是先把文件转成 docx 或者抽出纯文本。

3.2 方案 A：LibreOffice headless 批量转 docx

LibreOffice 是跨平台的办公套件，支持命令行转换，而且对老 .doc 文件的兼容性比大多数工具都好。转换命令：

# 单文件转换，输出到当前目录 soffice --headless --convert-to docx:MS Word 2007 XML 机械设计考试题汇总.doc # 批量转换：把目录下所有 .doc 转到 converted 子目录 soffice --headless --convert-to docx --outdir converted *.doc

参数说明：--headless不打开图形界面，适合服务器或命令行环境；--convert-to后接目标格式，:MS Word 2007 XML是明确指定 Filter 名，写docx也可以，但写全名能避免个别发行版识别歧义；--outdir指定输出目录，不加就输出在当前目录。macOS 下命令通常是soffice，Linux 有些发行版安装后叫libreoffice。如果命令找不到，先which soffice定位。

转换后要注意一个坑：LibreOffice 会把分页符转换成大量空段落。读出来的文本里会有若干连续空行，需要在清洗阶段用re.sub(r"\n{3,}", "\n\n", text)压回去，否则后面正则匹配题目内容时容易误判边界。

3.3 方案 B：antiword 直接抽纯文本

有些机器上没装 LibreOffice，或者只是想快速预览内容，用 antiword 更快。antiword 专门解析老 .doc 格式，体积小，输出纯文本，但缺点也很明确：表格结构、图片、公式全部丢失。

# 指定 UTF-8 映射，避免中文乱码 antiword -m UTF-8.txt 机械设计考试题汇总.doc > output.txt

-m参数指定字符映射文件，UTF-8.txt是 antiword 自带的映射文件名。处理中文 doc 时不加这个参数，输出通常是乱码，因为老 doc 内部多使用 GBK/GB2312 编码。映射文件的具体路径在不同的 Linux 发行版里不一样，如果 antiword 报找不到映射文件，用dpkg -L antiword或rpm -ql antiword查一下安装目录，再把绝对路径填进去。

3.4 两种方案怎么选

题目在普通段落里，antiword 就够；如果 doc 里是表格排版，比如每行一个题目、右侧是答案，就必须走 LibreOffice 转 docx 的路线，因为表格结构在 antiword 输出里会丢失列对齐，题干和选项混在同一行，后期正则很难拆。我一般优先用 LibreOffice，因为很多老资料是表格排版。

3.5 用 python-docx 读取转换后的文件

转换完成后，用 python-docx 读取。考试资料有个特点：很多题目放在表格单元格里，而不是普通段落，所以遍历时不能只看paragraphs，还要看tables。

from docx import Document doc = Document("机械设计考试题汇总.docx") print("=== 段落 ===") for para in doc.paragraphs: text = para.text.strip() if text: print(text) print("=== 表格 ===") for idx, table in enumerate(doc.tables): print(f"--- 表格 {idx + 1} ---") for row in table.rows: cells = [cell.text.replace("\n", " ") for cell in row.cells] print(" | ".join(cells))

strip()去掉段落首尾空白，避免空段落干扰；cell.text.replace("\n", " ")把单元格内部的换行替换成空格，这样一行就是一道完整题目。如果文档里既有段落又有表格，建议先按「段落 + 表格」整体打印一遍，肉眼判断题目主体在哪部分，再决定后续提取逻辑。

4. 用正则把题目结构化：题干、选项、答案一步入库

4.1 先观察文档的三种题目排版

考试资料在 doc 里的排版基本逃不出三种。最易自动化的是「题号+题干+选项+答案：X」的结构，每个字段都有明确边界。其次是选项分行排列，A 一行、B 一行，这种用正则处理时需要让选项组能跨行匹配。最麻烦的是答案集中在文末，题干里没有任何答案痕迹，必须先把题目切块，再用题号把两边对齐。

举例来说，常见的一段文本长这样：

1. 在普通螺栓连接的强度计算中，螺纹部分的危险截面面积按（ ）计算。 A. 外径 B. 中径 C. 内径 D. 牙底直径 答案：C 2. 受横向载荷的普通螺栓连接，其强度计算按（ ）进行。 A. 剪切强度 B. 挤压强度 C. 拉伸强度 D. 弯曲强度 答案：C

4.2 正则提取题干、选项、答案

import re pattern = re.compile( r"(?P<no>\d+)[\.、]\s*" # 题号：1. 或 1、 r"(?P<content>.*?)" # 题干：非贪婪匹配 r"(?P<options>(?:[A-D][\.、．:：]\s*.*?)+?)" r"答案[:：]\s*" r"(?P<answer>[A-Da-d])", # 答案字母 re.S # 让 . 匹配换行 )

几个参数值得细说。re.S是必须的，题干或选项可能跨行，.默认不匹配换行，加了re.S后才能跨行匹配；(?P<content>.*?)里的*?是非贪婪，表示尽量少匹配，这样在遇到第一个选项字母时就停下来，不会把选项吞进题干；[A-D][\.、．:：]兼容 A. A、A．A: A：几种分隔符变体。no组用[\.、]兼容「1.」和「1、」两种常见题号写法。

这里要提醒一个容易踩的坑：有些 doc 里选项是换行排列的，上面正则把\s*放在选项开头，换行符也能被匹配掉，所以这种排版也能处理。但如果选项被截断，把+?改成+再观察命中情况。

4.3 题文分离时的答案对齐

如果题目文本里没有「答案：X」，而是每一节末尾集中列答案，正则就拆不了。处理方法是两步走：先用题号切出题干块，再单独读答案页。

import re, json blocks = re.split(r"(?=\b\d+[\.、])", text) # 在题号前切分 answer_text = re.sub(r"答案[:：]?", "", answers_page) answers = re.findall(r"(\d+)[\.、]?\s*([A-Da-d])", answer_text) answer_map = {int(no): ans.upper() for no, ans in answers} for block in blocks: m = re.match(r"(\d+)[\.、]", block) if m and int(m.group(1)) in answer_map: questions.append({"no": m.group(1), "content": block, "answer": answer_map[int(m.group(1))]})

(?=\b\d+[\.、])是零宽正向断言，只在题号前的位置切分，不消耗字符，所以切出来的每块第一行还是原来的题号。答案页按「题号 + 字母」提取后构造成字典，最后用题号去查。两侧题号数量不一致时，answer_map.get(m.group(1))返回 None，写 JSON 前过滤掉这些题即可。

4.4 清洗噪声文本：页码、页眉、全角符号

正则匹配之前，先做一轮清洗，否则页眉、页码、页脚会混进 content 组。常见的噪声有「第 1 页 共 20 页」「教材：《机械设计》习题整理」这类重复行。

def clean_text(text: str) -> str: text = re.sub(r"第\s*\d+\s*页\s*共\s*\d+\s*页", "", text) # 页码 text = re.sub(r"[ \u3000\t]+", " ", text) # 空白归一 text = re.sub(r"\n{3,}", "\n\n", text) # 压缩空行 return text.strip()

页码正则第\s*\d+\s*页\s*共\s*\d+\s*页能匹配数字中间插空格的各种写法；空白归一那行把全角空格、制表符统一成半角空格，但注意不要用\s替代，因为\s会连换行一起吃掉。压缩空行用\n{3,}匹配三个以上连续换行，替换成两个，给题目之间保留一个空行做边界。

4.5 写入 JSON 题库

解析结果落盘成 JSON，字段名和结构建议稳定一点，后面写自测工具直接复用：

import json questions = [] for m in pattern.finditer(text): questions.append({ "no": m.group("no"), "content": " ".join(m.group("content").split()), "options": " ".join(m.group("options").split()), "answer": m.group("answer").upper(), }) with open("questions.json", "w", encoding="utf-8") as f: json.dump(questions, f, ensure_ascii=False, indent=2) print(f"共提取 {len(questions)} 道题")

" ".join(m.group("content").split())把字符串按任意空白切分再重新拼接，连空格都会统一成单个半角空格，比正则替换更省事；answer.upper()把小写 a 转成 A，兼容两种写法；ensure_ascii=False让中文字符直接以原文写入文件而不是\uXXXX转义，方便直接用编辑器打开检查；indent=2让每道题换行显示，diff 或者人工校对时更友好。

如果匹配出的题目数量和 doc 里实际数量差距较大，优先怀疑两个地方：一是答案行格式不是「答案：X」而是「参考答案：X」或「【答案】X」，需要把这几个变体加进正则；二是选项分隔符不是字母加点，而是字母加右括号，比如A)，要在[\.、．:：]里补充\)。

5. 把题库做成自测工具：分离答案、随机抽题与错题重做

5.1 先分离答案，再做模拟考试

题库入库以后，最简单的自测方式是「随机抽 N 题，先不显示答案」。这里的关键技巧是答案文件与题目文件分离：练习时只读questions.json，对完答案后把结果写进错题文件。这样能保证每次练习都是「盲做」，和翻 doc 时不小心瞟到答案完全是两种复习效果。

5.2 随机抽题脚本与错题追加

import json import random from pathlib import Path with open("questions.json", encoding="utf-8") as f: questions = json.load(f) wrong_file = Path("wrong.txt") wrong_ids = set() if wrong_file.exists(): wrong_ids = {line.strip() for line in wrong_file.read_text(encoding="utf-8").splitlines() if line.strip()} pool = [q for q in questions if q["no"] in wrong_ids] if wrong_ids else questions sample = random.sample(pool, min(20, len(pool))) score = 0 for i, q in enumerate(sample, 1): print(f"{i}. {q['content']}") print(q["options"].replace(";", "\n")) user = input("你的答案：").strip().upper() if user == q["answer"]: score += 1 else: print(f"正确答案：{q['answer']}") with wrong_file.open("a", encoding="utf-8") as f: f.write(q["no"] + "\n") print(f"得分：{score}/{len(sample)}")

逻辑说明：wrong_ids是一个集合，去重后用来过滤题目；pool的选法很关键——如果wrong_ids非空，就只在错题里抽，否则全量抽。这样复习到后期，每次练习都集中在薄弱题上，而不是把会的题再刷三遍。random.sample(pool, min(20, len(pool)))里的min是兜底，错题不足 20 道时不会因为样本数不够抛异常。

一个补充细节：input("你的答案：").strip().upper()把用户输入统一转大写，b和B都能被正确比对，同时也去掉了误敲的空格。

5.3 验证脚本正确性的最小步骤

新写的脚本不要直接对着完整题库跑，先用 5 题小样本验证。做法很简单：临时把 JSON 文件里题目数改成前 5 道，或者直接用questions[:5]切片跑一遍。再做一个语法检查：

python -m py_compile self_test.py

py_compile只做语法检查，不执行代码，能快速发现缩进错误、括号不配对这类基础问题。等确认抽题、比对、写错题三个环节都正常，再放开全量题库。

复习时把知识点当成接口，把计算过程当成函数——先确定输入参数（材料、载荷、安全系数），再按步骤执行，最后把返回值跟标准答案比对。参数错了，返回值不可能对；返回值对了但步骤丢了，分数照样走。如果哪天题目格式变了，优先改pattern里的分隔符集合和答案行变体，抽题、比对、错题追加这四个环节都不用动。

本文还有配套的精品资源，点击获取