简介：大连理工大学大学物理期中复习题（含答案）为一份面向电磁学部分的备考资料，适合正在准备期中考试或需要夯实电学、磁学基础概念与计算能力的学生使用。资料为单个PDF文件，大小仅584KB，便于在电脑、平板或手机上直接阅读与打印。目前已有247人学习浏览，被不少考生用于考前集中刷题与重点复盘。内容覆盖电容器串并联电场能量比、电场强度与电势关系、无限长直导线折成V形时的磁场、矩形线圈在均匀磁场中的磁力矩及做功、导体棒旋转切割磁感线产生的电动势、带电金属球与同心球壳的电荷分布、裸铜线内外磁感应强度分布等典型考点，并附带填空题、计算题和简答题解析。特别是接地后电荷重新分布、线圈转动过程做功等易错环节，资料均有相应推导，能帮助读者快速定位薄弱点、掌握标准解题思路。
1. 拿到一份大学物理期中复习PDF，先别急着背题
这种资料我一年要处理几十份，结论是一致的：对着答案背题，是效率最低的复习方式。尤其是「大连理工大学-大学物理-期中复习题-含答案.pdf」这种带完整解析的文档，它的价值不在于让你把答案抄两遍，而在于题目、选项、答案、解析全部是现成的结构化信息——缺的只是把它转成能自动抽测、能统计错误率的格式。物理复习最怕的就是「看着都懂，合上书全忘」，根源在于你一直在用眼睛复习，而不是用手和脑回忆。本篇就顺着这条线：从PDF文本提取、公式与矢量图处理，到批量制卡、间隔重复排期，讲一套完整可落地的处理方案。适合理工科学生，也适合辅导学生备考的助教、家教和工程师。
2. 从PDF提取文本：先让复习题从「看不了」变成「可检索」
2.1 第一步永远是判断文本型PDF还是扫描型PDF
「大连理工大学-大学物理-期中复习题-含答案.pdf」这类材料，来源可能是教师导出的电子版，也可能是学长学姐用手机扫的纸质版。两者处理路径完全不同——文本型PDF可以直接提取字符，扫描型PDF必须先做OCR，多一道工序。
判断方法非常简单，不需要打开文件，终端一行命令：
pdftotext -layout 大连理工大学-大学物理-期中复习题-含答案.pdf - | head -n 20参数说明：-layout让pdftotext尽量保留原文的换行和缩进结构；-表示输出到标准输出而不是文件；head -n 20只取前20行，够判断了。如果命令输出的是正常可读的中文句子，那就是文本型PDF；如果输出大量乱码、空白或者没有任何内容，基本可以认定是扫描版。
扫描版也不用慌，用OCR工具链可以处理。我一般用ocrmypdf先把扫描版变成带文本层的PDF，再走后续流程：
ocrmypdf --language chi_sim --deskew --rotate-pages 输入.pdf 输出.pdf关键参数里，--deskew负责矫正扫描时产生的轻微倾斜，扫描版常见的歪斜问题由它处理；--rotate-pages是自动判断页面方向，手机拍照的题往往会转90度，这个参数能兜住。处理完之后，输出.pdf就能直接喂给文本提取工具了。
2.2 多栏排版和「答案紧跟题」的页面对齐难题
物理复习题的排版特点是两道题并列、答案紧跟其后，甚至选择题的四个选项横排两列。直接用pdftotext提取，经常出现一道题的字被腰斩成两截，选项D跑到题目上面去。原因是-layout只保留行级结构，不会理解「左右两栏」的阅读顺序。
常见做法是改用pdfplumber按坐标提取，用x坐标把页面切成两半，左右栏各读各的：
import pdfplumber with pdfplumber.open("大连理工大学-大学物理-期中复习题-含答案.pdf") as pdf: page = pdf.pages[0] words = page.extract_words() # 按x坐标中位数分成左右两栏 mid_x = (page.width) / 2 left_col = [w for w in words if w["x1"] <= mid_x] right_col = [w for w in words if w["x0"] >= mid_x] # 每栏按y坐标从上到下排序 left_col.sort(key=lambda w: (round(w["top"] / 10), w["x0"])) right_col.sort(key=lambda w: (round(w["top"] / 10), w["x0"])) for w in left_col + right_col: print(w["text"], end=" ")这段代码的关键点在于分栏思路：extract_words()返回每个词的坐标框，我取页面宽度的中位数作为左右分界线，所有左边词放一栏，右边词放一栏。round(w["top"] / 10)是粗粒度排序技巧——物理复习题的行距通常在10个点以上，按10取整能让同一行的词聚在一起，避免因坐标微小误差导致左右颠倒。每栏内部再按x坐标排，保证一句话从左往右读。
提示：如果题目是三栏或混合排版，直接把
mid_x改成三分位即可，核心逻辑不变。不要一开始就试图写通用解析器，针对这一份PDF调好分栏参数，换资料时再改参数，效率更高。
2.3 题目和答案拆分：结构化是自动化的前提
文本提取出来只是第一步。要让它能变成自测题，必须把「题目文本」和「答案文本」拆开。物理复习题的答案通常以「答案：B」「解析：……」的形式出现在题目后面或文末，常见做法是用正则去匹配题号和答案标记：
import re txt = open("output.txt", encoding="utf-8").read() # 匹配题号：第1题、1.、1、一、等 questions = re.split(r"(?m)^\s*(\d{1,2})[.、．]\s*", txt) answers = re.findall(r"答案[:：]\s*([A-D])", txt)这段逻辑里，re.split按题号把文本切成段落，题号作为分组保留；answers用re.findall抓取所有「答案：X」的位置。匹配到的答案列表长度应该和题目数量相等——如果不相等，说明有些题的答案漏标或格式不标准，这时候要回到PDF原文去确认。
3. 公式与矢量图：物理PDF里最难啃的两种元素
3.1 公式识别的三条路径：本地OCR、在线API、手动LaTeX
物理复习题绕不开公式。简谐运动的周期公式、高斯定理的积分形式、刚体转动惯量，这些在PDF里通常以图片或特殊字体嵌入。文本提取工具对公式无能为力，必须单独识别。
公式识别目前有三种常见路径：
| 路径 | 工具 | 场景 | 成本 |
|---|---|---|---|
| 本地OCR | pix2text / LaTeX-OCR | 量大有隐私需求 | GPU可选，CPU可用 |
| 在线API | Mathpix | 量大质量高 | 免费额度有限，需注册 |
| 手动录入 | LaTeX 手写 | 题量少 | 零成本但耗时 |
我一般是小批量混合用：选择题里的简单公式一眼能看出结构，直接手写LaTeX更快；大题里的积分表达式、方程组，用pix2text批量识别再人工校对。
pix2text本地部署后的命令行用法：
# 安装时建议指定国内镜像源加速 pip install pix2text # 识别单张公式图片，输出LaTeX p2t -l en -o result.txt formula.png-l en指定语言，物理公式以英文符号为主，识别率比中文混合模式要高；-o指定输出文件。识别完成后，把LaTeX粘贴到Markdown或Anki模板里，配合MathJax渲染，就能在复习时显示成正常公式了。
提示：pix2text依赖PyTorch，CPU下识别一张图大约2~5秒，批处理时建议把图片分辨率统一缩放到200dpi，速度和质量平衡最好。
3.2 矢量图抽图：受力分析和电路图不能丢
大学物理期中考试的典型题目是「一个质量为m的物块在倾角为θ的斜面上」——这种受力分析图和电路图是PDF里最值钱的信息，丢失了整道题就废了。
可以用MuPDF工具快速导出PDF矢量图和内嵌图片：
# 提取PDF中所有嵌入的图片 mutool extract 大连理工大学-大学物理-期中复习题-含答案.pdf # 把第3页渲染成200dpi的PNG mutool draw -r 200 -o page_%03d.png 大连理工大学-大学物理-期中复习题-含答案.pdf 3第一个命令把PDF内嵌的位图全部导出，生成的图片集中在当前目录；第二个命令指定-r 200渲染精度，200dpi是物理题识别和人工查看的平衡点，低于150图像边缘发虚，高于300文件体积成倍增长而肉眼无差别。page_%03d.png是输出文件名模板，会自动补零编号。
这里有个常见坑：题目里的矢量插图（比如用CAD画的图）不会被mutool extract导出，因为它是矢量路径不是位图。这时候要做的是用mutool draw指定页码渲染，把整页变成图片，再裁剪出插图区域。裁剪用ImageMagick：
# 把第3页渲染成图片后，裁剪左上角区域 convert page_003.png -crop 800x600+100+100 图1-受力分析.pngcrop的参数依次是宽、高、x偏移、y偏移。具体偏移量用图片查看器打开看一眼即可确定，这一步没有捷径，但一次裁好后复用率极高。
3.3 图像类题目的归档命名规则
处理完公式和图片后，一个容易忽略但非常重要的环节是命名归档。常见做法是建立「知识点-章节-题型-序号」的四层命名：
力学/ 牛顿定律/ 选择_在斜面上受力分析_01.png 计算_连接体加速度_02.png 电磁学/ 静电场/ 选择_高斯定理应用_01.png用bash一句脚本批量重命名，适合已经按目录分好类的情况：
for f in page_*.png; do mv "$f" "$(echo "$f" | sed 's/page_0*\([0-9]*\)/力学习题_第\1题/')" done这个脚本把page_003.png改成力学习题_第3题.png，sed里的\([0-9]*\)是捕获组，把原始页码翻出来复用。归档规范直接决定了后面做Anki卡组时能不能快速定位配图。
4. 从「看题」到「做题」：用genanki把这套题变成自测循环
4.1 为什么用Anki而不是普通题库App
题库App的定位是「做题—判分—走人」，这种模式对物理复习的效果相当有限。神经科学的间隔效应指出，在遗忘临界点回忆比反复重读有效得多。Anki的核心就是间隔重复：每道题按你的记忆衰减曲线安排再次出现的时间，会的不再浪费你时间，不会的频繁出现直到记住为止。
物理复习尤其适合这个模式——期中考试涉及的公式和解题套路数量有限，但要的是在压力下能快速调取。Anki能强迫你从记忆里「提取」知识，而不是「再认」知识。提取比再认更能巩固长期记忆，这是物理复习题转化成自测卡片的核心逻辑。
4.2 用genanki写脚本批量导入题目
genanki是Python的Anki卡组生成库，它让我可以完全绕开Anki图形界面的手动录入，直接从一个JSON文件批量生成.apkg文件。
import genanki import json # 定义模型 model = genanki.Model( model_id=2024050101, name="大学物理自测", fields=[ {"name": "题目"}, {"name": "选项"}, {"name": "答案"}, {"name": "解析"}, ], templates=[ { "name": "自测卡", "qfmt": "<div>{{题目}}</div><div>{{选项}}</div>", "afmt": "{{FrontSide}}<hr><div><b>答案：</b>{{答案}}</div><div><b>解析：</b>{{解析}}</div>", }, ], )这里model_id是任意不重复的数字，不能和已有卡组冲突，我用时间戳后8位避开；fields定义了卡片上的四个字段；templates决定卡片正反面怎么显示——qfmt是正面只显示题目和选项，afmt是背面在正面基础上追加答案和解析。
读入之前解析好的题目，逐个生成卡片：
deck = genanki.Deck(2024050201, "大物期中复习") json_data = json.load(open("questions.json", encoding="utf-8")) for q in json_data: note = genanki.Note( model=model, fields=[ q["question"], q["options"], q["answer"], q["analysis"], ], ) deck.add_note(note) genanki.Package(deck).write_to_file("大物期中复习.apkg")关键点在于json.load读取的每一条记录里必须有四个键，顺序要和字段定义一致。生成的大物期中复习.apkg双击就能导入Anki。整个过程是一劳永逸的：以后资料更新了，只要保证JSON结构不变，重新跑一遍脚本就能生成新卡组，完全不碰手动录入。
4.3 卡面布局的五个细节：让物理题在手机上能看清
实测手机上刷物理题，最头疼的不是记不住，而是「题干缩成一团、公式挤成一堆、选项换行错位」。制卡时有几个细节直接影响刷题体验：
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 公式显示为LaTeX源码 | 缺少MathJax渲染 | qfmt里加\( \)包裹公式 |
| 选项ABCD竖排拥挤 | CSS未做控件 | 模板里加white-space: pre-line |
| 圆周运动图显示不全 | 图片过大 | 用max-width: 100%约束 |
| 一时想不起来就看答案 | 卡片太简单 | 正面额外加一个「提示」字段 |
| 记忆不牢固 | 卡片过多过碎 | 一题一卡，不要合并多个小题 |
模板层面我常用的做法是给正面的选项区域加一个占位符约束：
<div style="font-family: monospace; white-space: pre-line;">{{选项}}</div>white-space: pre-line是这里最关键的属性，它让选项里的换行符正常渲染，而不是被HTML压成一行。物理题的图和公式混排时，这个样式能保底让布局可读。
提示：公式图片推荐转成LaTeX方式录入Anki，而不是直接贴整张公式截图。原因很简单——图片在手机屏幕上缩放会发糊，而且占空间。LaTeX通过MathJax渲染出来是矢量效果，无论屏幕分辨率多高都清晰锐利。
5. 溯源自测数据：error记录才是考前最有价值的复习资料
5.1 直接读Anki数据库，按错误率定位薄弱知识点
Anki把复习记录存在collection.anki2（SQLite格式）里。与其在界面上看「绿色」的直觉判断，不如直接写SQL把做错的题捞出来。
import sqlite3 conn = sqlite3.connect("collection.anki2") cur = conn.cursor() # 找出每个卡片最近一次复习状态，ease=1表示按了「重来」 cur.execute(""" SELECT n.flds, r.ease FROM cards c JOIN notes n ON n.id = c.nid JOIN revlog r ON r.cid = c.id WHERE r.id = (SELECT MAX(r2.id) FROM revlog r2 WHERE r2.cid = c.id) AND r.ease = 1 """) wrong_questions = cur.fetchall() print(f"最近一次做错的题目数：{len(wrong_questions)}")SQL里的子查询(SELECT MAX(r2.id) FROM revlog r2 WHERE r2.cid = c.id)取的是每个卡片最近一条复习记录；r.ease = 1在Anki的revlog表中表示按了「重来/忘记」，是判断错误的核心条件。
n.flds字段是笔记所有字段用分隔符拼起来的文本，直接打印就能看到是哪道题，把输出重定向到文件就是一份「高危错题清单」。
5.2 针对错题清单做「错题同源」补强
拿到错题清单之后，常见做法是按错题对应的物理章节补齐同类题。比如错的是「简谐运动能量守恒」，那就把同章节的其他简谐题目重新过一遍，而不是把错题本身反复做——再做一遍你已经见过的题，回忆痕迹太强，掩盖了真实理解程度。
用bash循环处理一下Media文件夹里的图片，把错题卡组的配图按章节复制出来：
mkdir -p 考前重刷 while read -r line; do base=$(echo "$line" | grep -oE '[0-9]{2,3}' | head -1) cp "图片库/${base}.png" 考前重刷/ 2>/dev/null done < 错题清单.txt这段脚本逐行读取错题清单中的题号，从图片库找到对应配图复制到考前重刷目录。2>/dev/null把「文件不存在」的错误信息丢弃，避免打乱输出——错题里有些是纯计算题没有配图，没有对应文件是正常的。
考前48小时的冲刺策略，要的不是再刷新题，而是反复压测错误记录里反复出现的那些题型。错题统计透露的信息比任何模拟题都准确：错一次是粗心，同一类错三次就是没掌握，考前只需解决这一类，目标明确。
本文还有配套的精品资源，点击获取
