当前位置:

首页 > 编程开发 > Python如何实现考试自动答题功能

Python如何实现考试自动答题功能

一、准备环境1)运行环境开发环境:Python3、Pycharm社区版。importrequests--->数据请求模块pipinstallrequestsimportrefromseleniumimportwebdriver--->自动测试模块pipinstallselenium==3.141.0。谷歌浏览器以及谷歌驱动环境没有安装的同学,可以去安装。2)模块安装第三方库的安装方式如下:一般安装:pipinstall+模块名镜像源安装:pipinstall-ipypi.douban.com/simple

本文目录

    一、准备环境

    1)运行环境 

     开发环境:

    Python3、Pycharm社区版。

    import requests  ---> 数据请求模块 pip install requests  
    import re
    from selenium import webdriver ---> 自动测试模块 pip install selenium==3.141.0  <指定版本安装>。

    谷歌浏览器 以及 谷歌驱动 <版本和浏览器版本相对应> 环境没有安装的同学, 可以去安装。

     2)模块安装

    第三方库的安装方式如下: 

    一般安装:pip install +模块名 

    镜像源安装:pip install -i pypi.douban.com/simple/+模块名…

     (还有很多国内镜像源,这里是豆瓣的用习惯了,其他镜像源可以去看下之前文章都有的)

    二、代码展示 

    1)爬虫实现思路

    一. 数据来源分析 --> 通过浏览器 开发者工具 抓包分析    

    1. 明确需求:        - 明确采集的网站是什么            

    题目答案页面: https://tiba.jsyks.com/Post/2c15b.htm

    2.  分析这两个数据怎么获取    

    数据来自于 --> 答案页面 

    第一题: https://tiba.jsyks.com/Post/2c15b.htm    

    问题: 获取1701道题目 --> 分析每个题目答案页面URL构成        

    第一题: https://tiba.jsyks.com/Post/2c15b.htm        

    第二题: https://tiba.jsyks.com/Post/8ac1a.htm       

     第三题: https://tiba.jsyks.com/Post/e97d7.htm    2c15b / 8ac1a / e97d7    

    所以 只需要获取所有答案页面ID, 即可获取所有题库 。

    2)自动答题主程序

    # 导入自动化测试模块 --> 重点 3.141.0 版本
    from selenium import webdriver
    # 导入pandas
    import pandas as pd
    # 导入正则
    import re
    
    df = pd.read_csv('题库.csv')
    key = []
    value = []
    # 获取每一道题目
    for i in df['Problem']:  # 问题作为键
        # 把题目添加到列表里面
        key.append(i)
    # 获取每一道题目答案
    for j in df['Answer']: # 问题作为值
        # 把答案添加到列表里面
        value.append(j)
    
    # 把两个列表合并成字典
    dic = dict(zip(key, value))
    
    """
    1. 打开浏览器
        Chrome 浏览器 谷歌
        webdriver.Chrome('驱动路径')
        I. 驱动选择
            根据你自己浏览器版本, 选择驱动版本, 最相近即可
            驱动只有32
        II. 驱动路径写法
            1. 不写路径
                - 驱动和你代码在一起
                - 驱动和你python安装目录在一起
            2. 写路径 绝对路径
    
    """
    driver = webdriver.Chrome()
    # 2. 访问网站
    driver.get('https://www.jsyks.com/kms-fzks')
    driver.maximize_window()
    
    """
    答题操作:
        1. 题库 <获取出来了>
            读取csv文件, 把题目内容以及答案读取出来
    
    1701道题,要读1701次啊?
        可以把问题作为字典键, 答案作为字典值
        根据问题, 可以获取答案
    
    定位元素, 获取数据内容
    """
    
    print(dic)
    for page in range(50):
        Questions = driver.find_element_by_css_selector('#ExamTit').text
        # \d+ 匹配数字 获取题目
        Question = re.findall('\d+. (.*)', Questions)[0]
        answer = dic[Question]
        # 多选题, 答案肯定大于1
        if len(answer) == 1:
            # 判断答案内容 选择选项
            if answer == '对':
                # 定位对元素, 进行点击操作
                driver.find_element_by_css_selector('#TX1 #btnDa11').click()
            elif answer == '错':
                driver.find_element_by_css_selector('#TX1 #btnDa12').click()
            elif answer == 'A':
                driver.find_element_by_css_selector('#TX2 #btnDa21').click()
            elif answer == 'B':
                driver.find_element_by_css_selector('#TX2 #btnDa22').click()
            elif answer == 'C':
                driver.find_element_by_css_selector('#TX2 #btnDa23').click()
            elif answer == 'D':
                driver.find_element_by_css_selector('#TX2 #btnDa24').click()
    
            # 点击下一题
            driver.find_element_by_css_selector('#actArea #btnNext2').click()
        elif len(answer) > 1:
            # 多选
            for x in answer:
                if x == 'A':
                    driver.find_element_by_css_selector('#TX2 #btnDa21').click()
                elif x == 'B':
                    driver.find_element_by_css_selector('#TX2 #btnDa22').click()
                elif x == 'C':
                    driver.find_element_by_css_selector('#TX2 #btnDa23').click()
                elif x == 'D':
                    driver.find_element_by_css_selector('#TX2 #btnDa24').click()
    
            driver.find_element_by_css_selector('#actArea #btnNext2').click()
    
    
    driver.find_element_by_css_selector('#actArea #btnNext3').click()
    driver.find_element_by_css_selector('#Tip_Msg span input:nth-child(1)').click()

    3)题库主程序

    import requests
    import re
    import csv
    import concurrent.futures
    import parsel
    
    def AnswerID():
        f = open('答案ID.txt', encoding='utf-8')
        answer_id_list = [answer_id for answer_id in f.read().split(',')]
        return answer_id_list
    
    
    def GetResponse(html_url):
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
        }
        html_data = requests.get(url=html_url, headers=headers).text
        return html_data
    
    
    def GetContent(AnswerID):
        AnswerUrl = f'https://tiba.jsyks.com/Post/{AnswerID}.htm'
        html_data = GetResponse(html_url=AnswerUrl)
        selector = parsel.Selector(html_data)
        problem = selector.css('#question a::text').get()
        answer = selector.css('#question h2 b::text').getall()
        if len(answer) == 0:
            answer = selector.css('#question h2 u::text').get()
    
        AnswerDict = {
            'Problem': problem,
            'Answer': answer,
        }
        return AnswerDict
    
    
    def main(page):
        AnswerDict = GetContent(AnswerID=page)
        csv_writer.writerow(AnswerDict)
        print(AnswerDict)
    
    
    if __name__ == '__main__':
        # GetContent(AnswerID='8502e')
        answer_id_list = AnswerID()
        f = open('科目四题库.csv', mode='a', encoding='utf-8', newline='')
        csv_writer = csv.DictWriter(f, fieldnames=['Problem', 'Answer'])
        csv_writer.writeheader()
        exe = concurrent.futures.ThreadPoolExecutor(max_workers=7)
        for answer_id in answer_id_list:
            exe.submit(main, answer_id)
        exe.shutdown()

    三、效果展示

    1)自动答题

    Python如何实现考试自动答题功能

    2)自动上交试卷

    Python如何实现考试自动答题功能

    很多人问为什么只有96分没得100分?

    因为题库下载的题目答案是错误的修正之后就可以啦!

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。