写学习通自动建立题库脚本的经历！反复被bug鞭打

这脚本是我自己用的小工具，边写边测，每加一个功能就翻一次车。下面按翻车顺序把这些错记下来——技术点基本都藏在这些错里，比正面讲"我设计了个架构"有用得多。

单文件 Tampermonkey 用户脚本，约 4600 行、228 个函数、249 KB。

一、起因

期末复习的时候，我把老师给的练习题做了一遍又一遍。每做一遍，就得手动把做错的题抄到笔记里。这件事大概吃掉了我三分之一的复习时间，而且抄完还是记不住。

所以我想：让脚本把做过的题连答案一起存下来，我只看错题不就完了？

出发点就这么简单。功能是后来越加越多的：先是"存题"，存了发现得能"查"，查了发现错题得能"重练"，重练发现得能"组卷"……典型的滚雪球。

二、第一次翻车：我以为"题目最多的那一组"就是对的

脚本要在学习通页面上找到题目。类名会改版，所以我写了三套策略并行：按已知类名找、按选项控件分组找、按题号文字锚点找。

三套都跑出结果之后，得选一套用。我当时的判断是——取数量最多的那组。看起来特别合理：找到的题越多，说明这组越完整。

这个想法害了我很久。

有一次我打开一个只有 8 道题的作业，面板显示"共 55 题"。我以为是页面有问题，刷新没用，换浏览器也没用。

我没猜出来，最后是在脚本里加了一个按钮：点一下就把解析过程的内部状态全打出来。一按，答案就在眼前：

采用策略：按选项控件分组；题目块数：58
  [块0] <div class="xxt-card">
  [块1] <label class="xxt-bankrow">

脚本把我自己画的面板当成题目了。

那面板上有几十个复选框（各种开关），"按选项控件分组"把它们的容器全算了进去，58 个块轻松压过真实的 8 道题。而我的选择逻辑只比数量、不比质量。

修法两条：

解析时排除自己注入的 DOM——加个 isOwnNode()，往上找祖先，遇到 #xxt-panel 这类前缀就跳过；
选择策略时先比质量再比数量。质量怎么算？看这组块里"像题目"的比例——有选项控件、或者有成组的 A/B/C 选项文字，才算像：

function blockQualityScore(list) {
  if (!list.length) return 0;
  var good = 0;
  list.forEach(function (el) {
    var inputs = el.querySelectorAll('input[type=radio], input[type=checkbox]').length;
    if (inputs >= 2 || findOptionRowsGeneric(el).length >= 2) good++;
  });
  return good / list.length;
}

像题率不到 60% 的组直接淘汰，同分才比数量。

教训：数量多不等于正确。尤其在解析别人页面的时候，"多"往往意味着"抓脏了"。

三、第二次翻车：切了作业，还在做上一份的题

修好上一条之后我用得挺顺，直到有一次我做完一个 17 题的作业，切到另一个只有 7 题的作业——面板显示还是 17 题。点开始，它真的又去做那 17 题。

这次我很快就想到原因了：学习通是 AJAX 换页，切作业时页面不重新加载（脚本也就不重跑），而旧作业的 DOM 只是被 display:none 藏起来，并没有从文档里移除。

我的解析代码里，一行可见性判断都没有。

修法是两个：

// 自己或任一祖先被隐藏 → 不算当前题目
function isHidden(el) {
  var v = el, guard = 0;
  while (v && v.nodeType === 1 && guard++ < 30) {
    if (v.hidden) return true;
    if (v.getAttribute && v.getAttribute('aria-hidden') === 'true') return true;
    var st = (typeof getComputedStyle === 'function') ? getComputedStyle(v) : null;
    if (st && (st.display === 'none' || st.visibility === 'hidden')) return true;
    v = v.parentElement;
  }
  return false;
}

再补一个：每次解析前比对 URL，变了就作废上一页的解析结果。

教训：跨页自动化里，"页面"和"状态"必须显式绑定。任何"页面没变"的隐含假设，都得有一个失效检查兜着。

四、第三次翻车：宿主页面的 CSS 教我做组件

我把面板注入学习通页面之后，界面惨不忍睹：列表符号没了、复选框看不见了、代码块变成一个巨大的方块。

我一开始以为是自己的 CSS 写错了，查了半天才发现——我不是在写自己的页面，我是在写一个要活在别人 CSS 里的组件。宿主页面里有这类全局重置：

ul, ol { list-style: none; }
li { display: block; }
code { display: block; }
input { appearance: none; }

这些规则的优先级比我想象的高。最后的做法没什么技术含量，就是三条：

所有选择器都用 ID 前缀限定（#xxt-panel .xxx）；
关键属性一律 !important；
列表符号必须直接写在 li 上，不能靠继承：

/* 这样写不够，会被宿主的 li{display:block} 干掉 */
#xxt-panel ul { list-style-type: disc; }

/* 要写在 li 上，并且 !important */
#xxt-panel ul li { list-style-type: disc !important; display: list-item !important; }

第 3 条我卡了最久。原因是：直接设在元素上的值，永远胜过继承来的值。宿主把 display: block 直接设在 li 上，你从父级继承的 list-style 就形同虚设。

后来我写了个小工具：把宿主那套"敌意 CSS"注入到一个预览页里，用无头浏览器截图看。凡是"本地看着好好的、注入之后烂掉"的问题，都能在提交前抓到。

五、第四次翻车：我不信 SheetJS 不写样式，专门测了一遍

导出 Excel 一开始用 SheetJS，写得很顺。然后我自己看着导出的文件别扭：所有选项挤在一个单元格里，一坨，看不清。

我想当然地去设置样式：

ws['A1'].s = { alignment: { wrapText: true, vertical: 'top' } };

一点效果都没有。

我不太信，写了个脚本生成文件后直接解压看 XML：

z = zipfile.ZipFile('out.xlsx')
s = z.read('xl/styles.xml').decode('utf-8')
print('含 wrapText =', 'wrapText' in s)

结果是 False——样式表里根本没有 wrapText。但列宽和行高是写进去的：

能力	SheetJS 社区版
列宽 `!cols`	会写（`customWidth="1"`）
行高 `!rows`	会写（`ht="40" customHeight="1"`）
单元格样式 `cell.s`	完全忽略（写样式是 Pro 功能）

而我恰恰需要自动换行。

最后一个有点冒险的决定：自己拼 OOXML，自己写一个极简 ZIP。好处是不加任何依赖、完全可控；代价是要处理 CRC32 和 ZIP 的结构。

ZIP 用 store（不压缩）模式，实现简单也不容易错：

dv.setUint32(0, 0x04034b50, true);   // 本地文件头签名
dv.setUint16(8, 0, true);            // 0 = store，不压缩
dv.setUint32(14, crc, true);         // CRC32
dv.setUint32(18, data.length, true);

样式表里就随便写了：

<alignment vertical="top" wrapText="1"/>

然后是这一步最关键：回读验证。 手写二进制格式最怕"自己觉得对"。我用 openpyxl 把生成的文件读回来逐项核对，还专门做了 300 题压测——行数一多，ZIP 偏移量算错就会立刻暴露：

300 题 → zip 完整性 OK，逐成员 CRC 读取全部 OK（说明偏移量在规模下是对的）
尺寸 A1:G301，冻结 A2，自动筛选 ✓
行高按内容自适应：81 / 51 / 111 / 51
XML 转义：无裸 script 标签，& 已转义，无非法控制字符

顺手还修了一个隐患：题库名里如果带 /、: 这类字符，Excel 的工作表名是非法的，会直接报错。

教训：生成"成功"不等于"格式正确"。凡是二进制或结构化输出，都得回读一遍；而且小样本对不代表大样本对。

六、第五次翻车：我说 0 是有效的，代码根本不认

这一条是我自己设计需求时埋的雷。

停止条件里有"最低轮数"。我的想法是：最低轮数填 0 就等于不设下限，配合"提前停止"就是"题库一命中就停"。

结果代码里是这么写的：

config.work.min_rounds = num(getV('cfg-min-rounds')) || 1;

0 被 || 当成假值吞了，永远变成 1。 我在文档里信誓旦旦写着"可以填 0"，实际根本填不了。

改法是显式判空，只把"没填"当默认：

var raw = getV('cfg-min-rounds');
config.work.min_rounds = (raw === '' || raw == null) ? 1 : Math.max(0, num(raw));

教训：x || 默认值 这个写法，在"0 是合法值"的场景里都是定时炸弹。而且——自己描述需求时用的隐含前提，也要去代码里验一遍。

七、第六次翻车：规则互相打架，我自己没看出来

停止条件涉及四个量：最低轮数、最高轮数、提前停止（题库已覆盖）、满分即停。

我第一版写的优先级是"提前停止可以越过最低轮数"——理由是"没有新题了再刷也是浪费"。当时觉得挺有道理。

后来被人问了一句："这个到底是必须大于最低轮次，还是只要没有新题就行？感觉意义不明确。"

我回头看代码，才发现两条规则是真的矛盾：

// 0 新题：完全无视最低轮数，立刻停
if (config.work.stop_when_covered && st.lastUnknown === 0) { 停止 }
// 满分：却必须熬够最低轮数
if (full && st.rounds >= config.work.min_rounds) { 停止 }

而且还有第二个问题："某一轮 0 新题"是很弱的证据。学习通是从题库随机抽题的，抽题池 100 题、每轮抽 25 题时，你收到 95 题之后某一轮全是已收录的题，完全可能。

最后我把模型改成：最低/最高轮数是硬约束，提前停止只是"到了下界之后"的一个优化。

① 最高轮数   硬上限，无条件停
② 最低轮数   没到就一定继续 —— 提前停止也要让路
③ 提前停止   已满足最低轮数 且 连续 N 轮 0 道新题 → 停
④ 已满分     已满足最低轮数 且 达到真实满分 → 停

顺带把"连续几轮"做成可调参数（默认 1，担心漏题就调到 2~3），并且把判定用到的每个量都显示在面板上——原来只显示"已完成 N 轮"，满分和"连续无新题 N/M 轮"都看不见，当然看不懂规则在算什么。

教训：当两条规则为"谁优先"打架时，通常不是要加例外，而是模型本身错了。改成"硬约束 + 优化"之后，例外规则全消失了。

八、还有一堆小的

坑	现象	最后怎么处理的
静默失败	AI 返回格式不对，面板显示"AI ✓"，实际一个字没填	失败必须计数 + 记日志，不许静默降级
空值相等	两个页面都取不到 `courseId`（都是空串），`'' === ''` 成立，状态串页	回退逻辑里强制校验字段非空
打印页关不掉	`window.print()` 开出来的窗口没有关闭入口	不自动弹打印框，页面里给"打印"和"关闭"两个按钮
测试和线上不是一套逻辑	早期自测里复制了一份业务代码	改成从主脚本提取真函数来测

最后那条值得多说一句。我的自测脚本现在是160 项断言，用模拟 DOM 跑。关键设计是它不复制业务逻辑，而是从主脚本里把函数抽出来测：

const code = 'var lastParse={...};var config={...};\n' +
  NAMES.map(extractFn).join('\n\n') +
  '\nreturn {decideStop, parseAllQuestions, ...};';
const API = new Function('document', 'window', 'GM_getValue', 'GM_setValue', code)(...);

好处是改主脚本、测试自动跟着变；成本是得手工维护一份函数名清单。靠它抓出来的真问题包括：判断题在 A 对 / B 错 的时候误选了字母 A，以及上面那个 0 被吞的 bug。

九、它现在是什么样

不吹，就列事实：

单文件用户脚本，约 4600 行，数据全存在浏览器本地（GM 存储），不传服务器；
能自动识别页面上的题目、把正确答案和解析存进本地题库，下次遇到直接命中；
题库没命中的题调 AI 作答（任何 OpenAI 兼容接口，密钥只存本地）；
能按题型 / 题库 / 错题本随机组卷自测，带倒计时和自动判分；
题库支持多本、搜索、勾选转移到别的题库、合并、去重；
能导出 JSON / Excel / Word / PDF，也能导入纯文本 / JSON / Excel / CSV；
提交时间有 ±20% 随机波动，可选的每题随机延时（3~8 秒）。

它做不到什么：填空题不支持（一题多个空的失败方式太隐蔽，我干脆把这类题跳过并写进日志）；只对电脑版页面有效，手机上用不了；页面大改版时解析可能失效——那时候点面板上的"诊断页面结构"，把报告贴出来才有办法定位。

下载：学习通刷题插件.zip

包里除脚本外还有安装图解、完整说明书（PDF/Word）和一份免责声明。安装就三步：装 Tampermonkey → 新建脚本把 学习通刷题.user.js 整段粘进去 → 在面板「设置」里填 AI 的 Base URL / API Key / 模型名。

建议一定配 AI：不配的话，题库没命中的题只能随机猜。如果作业要求"达到一定分数才能交卷"，随机猜很容易凑不够分，于是这一轮白做、题也收不进来，题库永远涨不起来。

十、最后

一句正经话：这脚本是我给自己省抄题时间写的，不是给考试用的。别拿它作弊、别拿去卖、别违反你学校的学术诚信规定——包里的免责声明写得很清楚，用不用、后果如何，都由使用者自己承担。

如果你的作业要求一定分数才能交卷，而里面又有填空题，那很可能凑不够分，就得自己补。这是这个工具的边界，我不打算硬圆过去。

（页面结构分析的思路参考了开源项目 CodFrm/cxmooc-tools（MIT）。）

posted @ 2026-10-17 11:07 Shimeri 阅读(47) 评论(0) 收藏举报

刷新页面返回顶部

写学习通自动建立题库脚本的经历！反复被bug鞭打

写学习通自动建立题库脚本的经历！反复被bug鞭打

一、起因

二、第一次翻车：我以为"题目最多的那一组"就是对的

三、第二次翻车：切了作业，还在做上一份的题

四、第三次翻车：宿主页面的 CSS 教我做组件

五、第四次翻车：我不信 SheetJS 不写样式，专门测了一遍

六、第五次翻车：我说 0 是有效的，代码根本不认

七、第六次翻车：规则互相打架，我自己没看出来

八、还有一堆小的

九、它现在是什么样

十、最后

公告