确定最终入库格式
手动录入和Excel导入
HTML格式入库
HTML对于理科的公式处理效果不太理想
word导入
LaTeX格式
LaTeX是一种基于TEX的排版系统，对于生成复杂表格和数学公式方面兼容性很好。写过科技类的论文的同学们应该都接触过LaTeX，对于复杂公式和表格的处理应该深有体会
针对之前的业务场景，文科学科的试题有着字体（宋体，楷体，仿宋和黑体）需求，还要支持文字下方加点兼容下划线，所以就采用了文科试题转换成Markdown格式
公式识别
公式编辑器MathType
公式呈现方式：wmf图片
在常规业务场景下除了公式图片外是不会添加wmf格式的图片的，这样就保证了公式图片的独特性。
首先找到所有的wmf图片以及图片对应的Rid(word图片对象的编号)、位置以及宽高属性，通过程序将xml文件中对应对象添加特殊标记来实现自动给公式打标签的功能，最后在导入Word时将上述图片属性组合成LaTeX格式并替代原先的特殊标记。<br><br>找到的wmf图片在导入试卷之后异步调用第三方公式OCR软件Mathpix Snip，可以识别图片中的公式并转成LaTeX格式并返回，替换成原先的图片地址就可以实现公式的识别。<br>
标签识别优化历程
标签识别
除了公式之外，其它的内容都是通过特征进行识别的，比如题型，分数，难易度等。这些都是试题的属性，也是区别于试题内容之外需要识别的，但是程序是不知道这些属性如何区分，所以需要给它们增加特殊标记（以英文符号[]作为标记，例如：[题型]）。
标签补充
为了达到Word中的排版效果，比如段落的首行缩进，标题正文的字体区别，居中居左居右等，就需要在Word中加入对应样式的标签。后期增加了将近10多个标签，效果还是不错的，但是效率却明显的下降了。由于每增加一个标签，都会直接影响教研老师的效率。
标签简化
想要达到既能达到Word的排版效果，又能保证录题的效率，团队做出了很多的尝试，最终通过研究Word原始XML文件，完成大部分属性的自动识别，只需要教研老师在导入文件中打上题型的标签就可以直接入库。<br><br>
工作小结
在整个项目中，从一开始的技术选型，工具选择，迭代优化，到最后实现录题效率的极大提升，经历了不少的困难。项目一开始的时候其实是摸黑前行，找不到突破的方向，包括后期的效率提升方面，时间和业绩的压力导致内部人员都产生过动摇的念头，大家都在疑问到底能不能实现。但是我深知这个功能一旦实现了，将会给教研老师省去很大一部分的时间，那么它的价值就是不言而喻的。<br><br>Word自动识别要想达到很好的排版效果，接近Word原排版样式，是需要对细节有着严格要求的，中间的难点问题是需要耐住性子，沉下心来一点点的去发现并攻克，借用曾国藩的一句话就是“结硬寨，打呆仗”。的确，如果没有这样的攻坚态度是做不出来创新的。<br><br>
