自荐：基于 gaokaomath 的整理项目

[urongda]

感谢作者及所有贡献者的开源工作 🙏

受此启发，我做了一个小型整理与检索项目，用于更方便地浏览与使用相关高考数学资料：

👉 https://t.urongda.com/

特点包括：

📖 按年份与题型整理高考数学真题
🔍 支持分类浏览与快速检索

欢迎访问与交流 🙂

[deekur]

感谢你的整理，最近修正了几个错误，2017年西藏用的应该是全国2卷，错标成3卷了，readme也更新了。另外有几点建议：
1.不建议用城通网盘，下载会限速，对没有会员的用户不公平，而且城通网盘商业化严重，有大量推广赚钱服务，不符合开放、平等、协作、共享的互联网精神，大文件可以提供多种下载方式，最好是不用注册且不限速，例如蓝奏云，OneDrive等
2.网络上有1个合集，1990至今的分科目或分省高考试题，里面的各省使用卷型信息有多处错误，我看到你的网站引用了其中的试题，建议去除所有文件名含有非自主命题省份的试卷（例如“2002年西藏高考文科综合真题及答案.pdf”）。而且试题不要重复出现，不同省共用一套题的在文件名上表示就可以.
3.科目除了标出的还有山东的基本能力测试，浙江的自选模块等，有些包含多学科内容，建议补充在专门的一类中。春季高考2000年之前没有.
4.可以考虑加入英语听力音频和官方试题分析，这方面微信上有很多资源

欢迎提出你的看法😁

[urongda]

感谢回复和建议，我来补充说明一下：

关于下载方式

目前选用城通网盘，主要还是出于开发和资源管理层面的考虑。城通提供了相对完善的API接口能力，便于通过代码进行资源自动同步、状态管理和后续维护；同时对于目前项目规模来说，非会员用户的存储空间和下载速度基本能够满足使用需求。

此前也评估过 GitHub、对象存储直链等方式，但考虑到国内网络环境、学生和老师群体的使用门槛等，以及大文件托管限制、存储成本等因素，最终没有采用。

后续如果条件允许，也会考虑增加更多下载来源作为补充，但优先考虑的还是得有网盘API接口的方式，反正垃圾百度云盘是绝对不用的。。

关于重复试卷与卷型标注

这部分其实也是目前正在重点清理的内容。

在整理过程中，已经对绝大部分网盘搜集来的资源进行了 MD5 校验，并结合文件名、内容特征等方式进行了筛查，去除了大量重复资源。

不过实际处理中发现一个比较棘手的问题：

很多资源虽然 MD5 不同，但核心内容完全一致。例如：

• 添加了水印
• 增加了封面
• 附带了解析页
• 调整了 PDF 元数据

这些都会导致校验值不同，但本质上仍然是同一套试卷。

因此，单纯依赖文件名或 MD5 已经不足以解决问题，后续还需要继续做内容层面的标准化与去重。 但因为是个不小的工作量，也需要一点点慢慢来

对于你提到的用唯一性的文件规则进行命名的问题，这也是一种思路，

目前看到很多网盘里的虽然名字各异，层层目录套目录

但从试卷实体角度来看，实际上可能对应的是同一套试卷。

目前也正在重新设计数据结构，希望把：

• 考试体系
• 试卷实体
• 地域映射
• 文件资源
• 题目结构

彻底拆开管理。

例如：

Paper（唯一试卷）
    ↓
全国卷Ⅱ 文综（2002）

Region Mapping
    ↓
西藏
青海
宁夏

Resource
    ↓
扫描版
答案版
OCR版
解析版

这样试卷实体在数据库只保留一份，省份、文件等只是映射关系，能够从根本上解决重复收录和命名混乱的问题。

所有文件资源可以作为不同版本关联到一个试卷实体上，可以让用户自由选择

相应的，那么也可以把听力音频解析等等都并统一纳入同一套资源管理体系。

例如未来一份试卷可能对应：

2025全国一卷英语

├─ 试卷
├─ 答案
├─ 解析
├─ 听力音频
├─ 听力文本
├─ OCR文本
└─ Markdown版本

这样资源之间能够建立明确关联，而不再依赖文件名组织目录。

甚至更进一步的，可以把题目级别也都拆分出来和试卷唯一实体进行关联，这样就能彻底解耦，甚至可以通过latex等形式自由导出不同的格式排版，甚至可以用来作为一个高考题目数据集

比如 类似 OpenLMLab/GAOKAO-Bench — GAOKAO-Bench 就是一个以中国高考题目的数据集，但是目前只有部分题目

目前还是比较简陋和初级的一个版本，后面整体也正在朝这个方向逐步重构，希望最终形成一套更标准、更可维护、也更容易持续扩展多用途的权威准确的考试资源数据库。

当然了，这也是只是一些yy和设想，也不一定能实现，可想而知的难度和工作量也是很大的，光靠一个人的力量肯定不行，后面也希望能通过开源的方式做起来

再次感谢，也欢迎后续继续指出问题和建议！

[deekur]

整体思路我很认同，不过我觉得现阶段应该先保证试题，文件名和元数据的准确和完整性，再考虑怎么处理数据。我正在整理每年各省使用卷型和英语听力政策情况，已经初步完成2016-2025的，你可以参考一下，应该是目前最全面的，其中山西的听力政策2022年及以前的还没有更新，直接复制的以后的，可以暂时忽略，还少了有几个小数点。附件下载后改成7z解压就行，有错误欢迎提出

高考用卷.pdf

[urongda]

里面的太赞了！！数据太细致了！
就是和我上面提到思路差不多，后续可以资源也想求一份

[deekur]

我进你的小红书群了，直接在上面交流吧

[EricDong]

感谢两位的工作,接下来我做一个补充工作,把PDF文档转换为markdown文档,并完善元meta-data.
先打一个样板出来看看.

感谢回复和建议，我来补充说明一下：

关于下载方式

目前选用城通网盘，主要还是出于开发和资源管理层面的考虑。城通提供了相对完善的API接口能力，便于通过代码进行资源自动同步、状态管理和后续维护；同时对于目前项目规模来说，非会员用户的存储空间和下载速度基本能够满足使用需求。

此前也评估过 GitHub、对象存储直链等方式，但考虑到国内网络环境、学生和老师群体的使用门槛等，以及大文件托管限制、存储成本等因素，最终没有采用。

后续如果条件允许，也会考虑增加更多下载来源作为补充，但优先考虑的还是得有网盘API接口的方式，反正垃圾百度云盘是绝对不用的。。

关于重复试卷与卷型标注

这部分其实也是目前正在重点清理的内容。

在整理过程中，已经对绝大部分网盘搜集来的资源进行了 MD5 校验，并结合文件名、内容特征等方式进行了筛查，去除了大量重复资源。

不过实际处理中发现一个比较棘手的问题：

很多资源虽然 MD5 不同，但核心内容完全一致。例如：

• 添加了水印
• 增加了封面
• 附带了解析页
• 调整了 PDF 元数据

这些都会导致校验值不同，但本质上仍然是同一套试卷。

因此，单纯依赖文件名或 MD5 已经不足以解决问题，后续还需要继续做内容层面的标准化与去重。 但因为是个不小的工作量，也需要一点点慢慢来

对于你提到的用唯一性的文件规则进行命名的问题，这也是一种思路，

目前看到很多网盘里的虽然名字各异，层层目录套目录

但从试卷实体角度来看，实际上可能对应的是同一套试卷。

目前也正在重新设计数据结构，希望把：

• 考试体系
• 试卷实体
• 地域映射
• 文件资源
• 题目结构

彻底拆开管理。

例如：

Paper（唯一试卷）
    ↓
全国卷Ⅱ 文综（2002）

Region Mapping
    ↓
西藏
青海
宁夏

Resource
    ↓
扫描版
答案版
OCR版
解析版

这样试卷实体在数据库只保留一份，省份、文件等只是映射关系，能够从根本上解决重复收录和命名混乱的问题。

所有文件资源可以作为不同版本关联到一个试卷实体上，可以让用户自由选择

相应的，那么也可以把听力音频解析等等都并统一纳入同一套资源管理体系。

例如未来一份试卷可能对应：

2025全国一卷英语

├─ 试卷
├─ 答案
├─ 解析
├─ 听力音频
├─ 听力文本
├─ OCR文本
└─ Markdown版本

这样资源之间能够建立明确关联，而不再依赖文件名组织目录。

甚至更进一步的，可以把题目级别也都拆分出来和试卷唯一实体进行关联，这样就能彻底解耦，甚至可以通过latex等形式自由导出不同的格式排版，甚至可以用来作为一个高考题目数据集

比如 类似 OpenLMLab/GAOKAO-Bench — GAOKAO-Bench 就是一个以中国高考题目的数据集，但是目前只有部分题目

目前还是比较简陋和初级的一个版本，后面整体也正在朝这个方向逐步重构，希望最终形成一套更标准、更可维护、也更容易持续扩展多用途的权威准确的考试资源数据库。

当然了，这也是只是一些yy和设想，也不一定能实现，可想而知的难度和工作量也是很大的，光靠一个人的力量肯定不行，后面也希望能通过开源的方式做起来

再次感谢，也欢迎后续继续指出问题和建议！

[321paranoiawhy]

感谢作者及所有贡献者的开源工作 🙏

受此启发，我做了一个小型整理与检索项目，用于更方便地浏览与使用相关高考数学资料：

👉 https://t.urongda.com/

特点包括：

📖 按年份与题型整理高考数学真题 🔍 支持分类浏览与快速检索

欢迎访问与交流 🙂

提个建议哈 可以考虑使用 turn.js 在 web 浏览器内直接查阅 或许我正在准备做这部分工作 如果你不打算做的话