基于正則搜索的Word 操作題自動閱卷研究

黃偉峰

（洛陽理工學(xué)院 計算機與信息工程學(xué)院，河南 洛陽471000）

1 概述

隨著計算機技術(shù)的迅猛發(fā)展, 以及各高校對計算機基礎(chǔ)課程的研究和建設(shè)，無紙化網(wǎng)絡(luò)考試的方式以其高效、客觀、公正的特點，越來越得到廣泛應(yīng)用[1]。各個高校也紛紛開發(fā)了計算機基礎(chǔ)的網(wǎng)絡(luò)課程平臺，其中word 部分的教學(xué)內(nèi)容的練習(xí)大都由所設(shè)定的程序自動由題庫進行抽題，在學(xué)生完成之后，也由計算機程序自動對其進行批改，并把自動批改的結(jié)果反饋給學(xué)生，整個過程任課教師不需要參與就可以直接得到學(xué)生對于課程內(nèi)容的掌握情況，大大減輕了教師的負擔，使教師把更多的時間精力放在課堂之上，提高了整個課程的教學(xué)水平。然而，網(wǎng)絡(luò)課程平臺使用之后對于操作題自動閱卷的問題需要進一步研究以提高其效率。

2 word 自動閱卷技術(shù)的實現(xiàn)

在自動閱卷的研究中，對于選擇題的自動閱卷的實現(xiàn)比較簡單，直接和數(shù)據(jù)庫中預(yù)存的答案比較即可，而對于word 操作題目的閱卷工作相對比較困難，目前，主要有三種方法；（1）模擬word 環(huán)境，讓用戶在模擬環(huán)境中操作，優(yōu)點是模擬環(huán)境能夠控制用戶的所有操作行為，當然能夠準確的對其操作正確與否進行判斷，缺點是構(gòu)建模擬環(huán)境實現(xiàn)起來比較復(fù)雜，開發(fā)規(guī)模比較龐大，比如金山公司的WPS 能夠?qū)崿F(xiàn)幾乎和word 同樣的功能，但開發(fā)像WPS 這樣的系統(tǒng)，難度可想而知。（2）通過解析word文件格式信息，把考生的word 文件信息提取出來和標準答案作比較，這種方法比較速度很快，判斷準確，是理想的閱卷模式，然而由于微軟公司并沒有把word 文件格式結(jié)構(gòu)信息公布于眾，實際應(yīng)用很少，有研究者從RTF 文件格式入手，部分實現(xiàn)了文件格式比較的自動閱卷，然而，畢竟不是word 的文件格式，有很多格式信息不能解析。（3）使用VBA 技術(shù)對word 的對象模型的屬性進行讀取[2]，然后判斷每個對象屬性是否正確來進行評判，這也是目前使用最多、最有效的方法。

2.1 VBA 實現(xiàn)Word 閱卷的原理

VBA 即Visual Basic for Application，是微軟公司開發(fā)定制和擴展Office 功能的宏語言。微軟的Office 中就集成了VBA宏語言，并且提供了訪問文檔的接口，通過接口可以訪問word對象模型，其中word 對象模型包括：Application 對象，該對象是Microsoft Word 應(yīng)用程序。Dialogs 對象，每個Dialog 對象為一個word 對 話 框。Document 對 象 由characters、words、Sentences 和paragraphs 四個集合組成；.Page setup 對象，代表頁面設(shè)置，還有selection 對象、rang 對象等幾十個對象集合；可以通過對象的相關(guān)屬性值的檢查來判斷word 操作題要求設(shè)置的格式是否正確，例如，檢查學(xué)生提交的word 文檔的“頁面設(shè)置”是否為題目要求的上下邊距為2.5 厘米，可用如下代碼：

可以把word 的考點進行總結(jié)分類，輸入數(shù)據(jù)庫中，例如對于字體屬性的設(shè)置如表1。這樣的結(jié)構(gòu)可以動態(tài)更新，閱卷程序讀取考點并讀取對應(yīng)的分值，當分數(shù)的權(quán)重發(fā)生變化時，閱卷程序不用做任何更改，就能讀取到更新后的分值，同時；只要編號固定，考點的內(nèi)容也可以更新，而不用更改閱卷程序，這樣的設(shè)計使程序具有更好的適應(yīng)性。

表1

2.2 用字符串匹配改進word 閱卷

目前，大部分Word 自動閱卷程序在對格式進行判斷時，都是根據(jù)屬性標記進行定位評判[3]，會存在一定的誤差，比如，學(xué)生在設(shè)置段落格式時，無意按下回車增加了段落標記，而很多閱卷程序僅僅根據(jù)第幾個段落標記來定位進行段落格式的判斷，這時就可能使閱卷程序定位到錯誤的段落或空段而產(chǎn)生誤判，所以在設(shè)計時還要考慮容錯性的問題。解決的方案就是根據(jù)文字的內(nèi)容進行定位判斷；比如剛才的情況，首先根據(jù)考題要求設(shè)定格式的段落內(nèi)容進行搜索匹配，只有找到考生文件中對應(yīng)的段落，才認為定位正確，才能進行相應(yīng)的段落屬性的格式判斷，而這種匹配方式就需要采用字符串匹配算法。

但當要搜索匹配的文字內(nèi)容很多時，效率往往很低，而word題目通常每段的文字都很多，這樣進行匹配就會大量增加閱卷程序的開銷，甚至?xí)归喚沓绦蛲Ｖ鬼憫?yīng)而造成死機現(xiàn)象，顯然這樣的閱卷程序難以勝任閱卷工作；改進的方案就是要減少搜索匹配的次數(shù)，因為，我們在對段落進行匹配時，是逐字進行比較，整個段落每個字都匹配才認為是相同的段落內(nèi)容，這樣的比較次數(shù)較多，而且要把匹配段落的整個內(nèi)容都讀進內(nèi)容，系統(tǒng)的開銷也很大，所以，我們可以不進行整段的比較，而是提取出若干個關(guān)鍵詞，進行關(guān)鍵詞比較就能有效的提高搜索的效率，可以在匹配段落中按一定的比例設(shè)定關(guān)鍵詞，比如，我們設(shè)定段落的10%為關(guān)鍵詞的數(shù)量，以100 字的段落為例，則設(shè)定5個2 字詞為關(guān)鍵詞，并對這5 個詞進行排序，其中最后一個詞也保存標點。對目標段落按關(guān)鍵詞的順序進行搜索匹配，一旦這5個關(guān)鍵詞按序和某段完全匹配，就可定位這段為目標段落，而對這段的格式進行讀取和對應(yīng)的考點屬性進行比較判斷。

例如：有待匹配的段落如下：

廣州市是廣東省省會，廣東省政治、經(jīng)濟、科技、教育和文化的中心。廣州市地處中國大陸東南方，廣東省的中南部，珠江三角洲的北緣。接近珠江流域下游入海口。其范圍是東經(jīng)112 度57 分至114 度3 分，北緯22 度26 分至23 度56 分。

題目要求設(shè)定這段的屬性是：“對齊方式為：左對齊；左縮進2 字符，首行縮進2 字符，段前間距1 行，行間距：1.5 倍行距”；進行閱卷時首先需要定位到該段落，根據(jù)剛才的規(guī)則，本段文字102 個字，可選5 個關(guān)鍵詞，其中段首和段尾為必選關(guān)鍵詞，段尾還要加上標點，則形成的關(guān)鍵詞串是“廣州 中心 北緣 海口56 分。”把此關(guān)鍵詞加入判題數(shù)據(jù)庫中；當閱卷時，閱卷程序會首先定位該段落，讀取其屬性，比如該段是第5 段；其中的關(guān)鍵代碼如下：

隨后將存入uF01-uF05 的數(shù)據(jù)和數(shù)據(jù)庫中標準答案的F01-F05 的數(shù)據(jù)做比較，相等就在加上對應(yīng)的分值；然后將數(shù)據(jù)存入到結(jié)果數(shù)據(jù)庫中，最后，匯總給出評判成績。

3 使用正則搜索提高word 閱卷的速度

在前述中提到目標段落的定位，如果采用逐段每個字進行比較，整段文字包括標點每個字符都要做一次判斷，效率較低，因此，可以使用正則搜索來提高效率。正則搜索即使用正則表達式搜索，是一種字符串匹配的模式，可以構(gòu)造模式串來檢查一個串是否和另一個串匹配，當然還能將匹配的子串替換或從某個串中取出符合條件的子串等。

在編程中使用正則表達式主要有2 種方式：（1）在VBE 窗口中，選擇“工具”，然后勾選Microsoft VBScript Regular Expressions 5.5 選項。（2）比如使用c#作為編程工具，則需要在命名空間中聲明：using System.Text.RegularExpressions;

其中，還以剛才的匹配文字為例，在待匹配段落中增加了干擾文字，構(gòu)造匹配串如下：

表2

匹配模式串的含義如下：（1）其中“s”表示匹配任意的空白符，包括空格、制表符、換頁符等，表示新段落的開始；（2）其中“S”表示匹配任何可見字符，包括標點符號等；（3）其中“*”表示前面的子表達式重復(fù)任意次；目的是找尋下一關(guān)鍵字。