多源题库合并去重 → 无表格 Word
炼油/化工岗位题库常以多种形态存在：Word 段落体（题干+逐行选项）、Word 表格（宽表导出）、Excel 标准题库表。它们往往来自同一题库、彼此大量重复。本工作流把三路合并、去重、统一排版为一个可打印/可练习的 Word。
已在《加氢裂化题库-设备.docx + 设备题.xlsx》上验证：231 题 → 去重 136 题（单选 57/多选 26/判断 53），剔除重复 95 题次。
执行流程
- 先 dump 再动手：把 docx 全部段落 + 每个表格的每行（用
T{表号}-{行号}|前缀）导出成 txt 通读一遍，把 Excel 全部行打印出来。不同源的格式差异必须亲眼看到，不能假设。 - 复制模板脚本：
scripts/build_bank.py是完整可用的实现，按实际列结构改parse_docx_tables（列数/列序）与parse_xlsx（列索引）即可，其余逻辑通用。 - 跑脚本，重点看三项输出：各来源解析题数、去重后题型分布、缺答案题清单。
- 质检：
- 用difflib.SequenceMatcher对同题型题干做两两相似度扫描（阈值 0.88）。命中的多数是"反义题对"（不属于/属于、不必注明/必须注明、其他尺寸/设备尺寸），属正常保留，需人工确认后再删。
- 检查答案冲突（同题干不同答案）——脚本会自动打印。
- 抽查生成的 docx：题数、答案行数、（ ）是否统一。 - 输出：默认写到工作区
output/，再复制到桌面。
源数据的三种形态（识别要点）
Word 段落体——题干行 + 选项行混排，三种变体：
- 题干一行，选项逐行 A、 xxx / B、 xxx
- 题干与选项挤在同一行：加热炉…约为( A )。A、 1:2B、 2:3C、 3:1D、 3:2
- 判断题题干末尾直接跟答案字母：…全貌。B（A=正确，B=错误）
Word 表格——列数不固定，按列数判别：
- 3 列：题干 | 题型 | 答案
- 4 列且第 3、4 列为「正确」「错误」：只有选项、原表缺答案，题干常还被截断
- 7 列：题干 | 题型 | A | B | C | D | 答案
Excel 标准题库表（含表头行，需跳过）：
A=题库ID, B=题干, C=题型, D~K=选项A~H, L=答案, M=解析, N=章节, O=难度
题型列值为「单选题/多选题」，需 .replace('题','') 归一。
四个必踩的坑
- 题型不能在读题干行时定死。 选项行是后续逐行追加的，必须在
finalize()里按options 是否为空判定：有选项→选择题（答案长度>1 即多选），无选项→判断题。否则带选项的选择题会被判成判断题，答案被当成 A/B 清掉。 - 清空作答括号的正则必须是
[（(][\sA-Ha-h]*[)）]。写成[（(]\s*[A-Ha-h ]*[)）]匹配不到半角括号包全角空格的( C )，会留下已填答案的题干。 - 不要在 clean_text 阶段替换全角空格 U+3000，否则
（ ）会被后续的空格清理压成()。clean_text 只处理\xa0和半角空白。 - 切分挤在一行的选项时，只接受"前一字符不是 ASCII 字母"的
[A-H][、.．]切点，且标签必须 A→B→C→D 严格递增。这样Ni-P、1Gr18Ni9Ti不会被误切，1:2B、能被正确切。
交付前的人工复核清单
生成后必须向用户报告（不要自行修改题目内容）：
- 缺答案题（标「答案：（原稿缺失，待确认）」）——原稿就没给，不猜
- 选项为 #NAME? 的图/公式题——替换为「〔原稿为图片/公式，已丢失〕」并加注
- 题干残损（缺字、被截断）——只列清单，不擅自补字
- Excel 解析列与答案不一致处——两者都保留（如「答案：A、B ／ 解析：PDF选择AC」）
输出排版约定
- 零表格，全部段落。中文宋体 10.5pt，章节标题黑体 13pt，主标题黑体 16pt 居中。
- 顺序：一、单选题 → 二、多选题 → 三、判断题，全卷连续编号。
- 题干作答位统一
（ ）；选项左缩进 21pt；答案行加粗红色；判断题末尾补（ ）。 - 每题后空一行，便于打印作答。
环境
先加载随包环境探测脚本（自动定位 Python，跨机器可移植，不写死绝对路径）：
source ./scripts/_env.sh # 定义 WB_PY / WB_OUT
build_bank.py 的输入输出全部走命令行参数，脚本内不含任何机器专属路径：
"$WB_PY" scripts/build_bank.py --docx <输入.docx> --xlsx <输入.xlsx> --out-dir <输出目录>
--docx/--xlsx至少给一个；--out-dir默认取环境变量WB_OUT，再缺省则取当前目录。- 依赖 python-docx、openpyxl：若运行报
ModuleNotFoundError，在对应 Python 下执行pip install python-docx openpyxl。 - 桌面文件若被 Word 打开，
cp/mv/Copy-Item -Force全部报Device or resource busy，改文件名输出，并提醒用户清理旧版。
