税务师涉税服务实务 · 真题重组
把税务师《涉税服务实务》科目的文字型真题/习题 PDF，抽取为结构化题库，并按核心考点重新归类，方便按考点刷题、组卷、查漏。
适用输入
- 文字型（pypdf 可抽取文本）的真题/习题 PDF，例如：
2021_2022 年税务师历年真题汇编.pdf【BT好题精炼】2023年税务师涉税实务.pdf涉税实务-税务师决战66题.pdf- 扫描图片型 PDF（东奥轻 1~轻 4、必刷 550 题、2022 真题册、392MB 官方教材等）本机无 OCR，暂不处理；装 OCR 后可直接复用本技能。
输出
涉税实务真题题库.json：结构化题块，字段含考点 / 年份 / 题型 / 来源文件 / 题干正文。涉税实务真题题库_by考点.docx：按考点分节，每节下列该题点的所有题块（年份+题型标注），方便打印/组卷。
工作流程
- 抽取：用
scripts/extract_zhenti.py读取指定 PDF（或文件夹内全部 PDF），逐页抽取纯文本。 - 切题块：按年份/题号标记（如
2021年、2022年、第X题、一、、（一）、1.）切分为独立题块；过滤纯目录/答案页/封面。 - 标考点：用内置「涉税实务核心考点词表」对每个题块做关键词命中，归入最匹配的考点；无命中归入「综合/未分类」。
- 归类输出：按考点聚合，生成 json + docx 两份产物。
- 校验：打印各考点题量分布，让用户确认是否覆盖到位。
关键脚本
scripts/extract_zhenti.py <pdf或文件夹> [--out 输出目录]
- 默认读取参数路径（文件或目录），递归处理
.pdf。 --out指定输出目录，默认当前目录。- 考点词表在脚本顶部
KAO_DIAN字典，用户可按当年教材章节自行增删。
注意事项
- 题块切分与考点标注基于启发式正则 + 关键词，可能存在个别误切/误标；产出后建议人工过一遍「综合/未分类」与边界题块。
- 真题解析只搬运原题题干与选项，不编造答案；需要解析时由用户或备考专家补充。
- 版权：原题来自第三方机构出版品，题库仅作个人备考整理；对外分发请确认授权。
