# 上海高考物化生史地政6选3

**Repository Path**: guyuming76/shgkxk

## Basic Information

- **Project Name**: 上海高考物化生史地政6选3
- **Description**: TinyAgent使用 deepseek-v4-flash 获取官方pdf,转化成文本文件,并生成python查询脚本
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-11
- **Last Updated**: 2026-10-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 上海高考选科（3+3）查询项目

## 一、结论先行

- 上海是 **“3+3”** 模式：语数外必考，再从 **物理、化学、生物、政治、历史、地理** 6 门中选 3 门作为等级考科目。
- 面向 **2029 年高考**（2026 年 9 月入学高一）的官方依据是：
  **上海市教育考试院《关于公布 2027 年普通高校本科专业选考科目要求的通知》**
  <https://www.shmeea.edu.cn/page/02200/20250221/19114.html>（发布时间 2025-02-21）
  通知原文明确：**“此次报送的招生专业选考科目要求适用于 2027 年及以后全国各省（区、市）参加高考的考生。”**
  → 即 **2027/2028/2029……各届均适用这一版**，无需等 2029 版。
- 附件为官方 PDF（914 页）：<https://www.shmeea.edu.cn/download/20250221/1.pdf>

> 全国所有省份的选考科目要求统一在教育部“阳光高考”平台发布查询：
> <https://gaokao.chsi.com.cn/xkkm/>（该站有反爬，本机未抓取，可人工访问）

## 二、本项目文件

| 文件 | 说明 |
|---|---|
| `data/官方原文_2027本科专业选考科目要求.pdf` | 官方原始 PDF（914 页，10 MB） |
| `data/xkkm_2027.csv` | 抽取后的结构化表格（Excel 可直接打开，UTF-8-BOM） |
| `data/xkkm_2027.json` | 同上 JSON |
| `build_dataset.py` | 由 PDF 重新生成数据（`python3 build_dataset.py <pdf>`） |
| `analyze.py` | 总量统计与选科组合覆盖率分析 |
| `query.py` | 交互查询工具 |

数据规模：**40175 条**，覆盖 **990 所院校**。

## 三、查询工具用法

```bash
python3 query.py 校  复旦             # 查某所院校全部专业的选科要求
python3 query.py 专业 计算机           # 按专业名查（可加院校过滤）
python3 query.py 专业 计算机 同济
python3 query.py 组合 物 化 政         # 某选科组合能报哪些专业
python3 query.py 省份 上海 江苏        # 按招生省份筛选（可给多个）
python3 query.py 汇总                  # 科目要求总体分布（人类可读）
python3 query.py 覆盖                  # 六选三 35 种组合覆盖排名（人类可读）
```

### 输出与管道

`校 / 专业 / 组合 / 省份` 的输出**一律是 CSV**（字段：省份,院校,专业代码,专业名称,科目要求,页），
提示与统计信息走 **stderr**，所以可直接用管道把多条查询串起来逐步收窄：

```bash
python3 query.py 校 复旦 | python3 query.py 组合 物 化 政
python3 query.py 省份 上海 江苏 | python3 query.py 专业 计算机
python3 query.py 省份 上海 | python3 query.py 组合 物 化 生 | python3 query.py 专业 医学
python3 query.py 校 复旦 | python3 query.py 组合 物 化 政 | wc -l
```

规则说明：

- **输入**：如果 stdin 是管道且有数据，就在上游结果上继续过滤；否则（无输入／空输入／交互终端）自动从全量数据开始。
  管道中的表头会被自动识别并跳过，可任意级串联。
- **重定向到文件**时输出带 UTF-8 BOM（Excel 双击不乱码）；**在管道中**不带 BOM。
- `--no-header` 可关闭表头输出，例如 `python3 query.py 省份 上海 --no-header | wc -l`。
- 看提示信息：`python3 query.py 校 复旦 2>/dev/null | head` 只看 CSV；反过来加 `2>&1 >/dev/null` 只看提示。

### 「组合」的彩色明细

`组合` 是最常用的命令：终端上直接运行时，**可报的条目显示为绿色、被卡住的显示为红色**，
结尾自动恢复白色，并给出「如何用管道取出绿色/红色条目」的提示：

```bash
python3 query.py 组合 物 化 政            # 终端：绿=可报、红=卡住，一眼看清差距
python3 query.py 组合 物 化 政 --卡住     # 只要卡住（红色）的明细，纯 CSV
python3 query.py 组合 物 化 政 --可报     # 只要可报（绿色）的明细，纯 CSV
python3 query.py 组合 物 化 政 --卡住 | head -50
python3 query.py 组合 物 化 政 --可报 | python3 query.py 专业 医学   # 取出后继续串联
python3 query.py 组合 物 化 政 --limit 0  # 终端不限制行数（默认最多显示 500 行，避免刷屏）
```

| 选项 | 作用 |
|---|---|
| `--可报` / `--can` | 只输出可报条目（管道默认行为） |
| `--卡住` / `--cannot` | 只输出被卡住的条目 |
| `--全部` / `--all` | 全部条目；管道中会多加一列 `状态`（可 `grep '^卡住'`） |
| `--limit N` | 终端最多显示 N 行，`0` 为不限制（默认 500；管道/重定向不受限） |

要点：

- **颜色只在 stdout 是终端时出现**；一旦进入管道或重定向，自动变成纯白 CSV，可直接交给 `head`/`grep`/`wc` 或下一个 `query.py`。
- 终端默认显示**全部**条目（用颜色区分）；管道/重定向默认**只输出可报**，避免被卡住的条目混进后续处理。
- `--全部` 输出的 `状态` 列会在下游被自动识别并剥离，所以 `组合 … --全部 | 组合 …` 照样能串联。

### 在 less / 分页器里保留颜色

默认情况下进了管道颜色就没了（这正是为了管道处理）。想让 `less` 里依然显示红绿，需要**两件事**：

1. 让 `query.py` 强制输出颜色：加 `--color`（或 `-C`；也可用环境变量 `FORCE_COLOR=1` / `CLICOLOR_FORCE=1`）
2. 让 `less` 原样透传颜色码：加 `-R`

```bash
python3 query.py 校 复旦 | python3 query.py 组合 物 化 政 --color | less -R
python3 query.py 组合 物 化 政 --color | less -R          # 直接分页看全部条目（不再限 500 行）
```

用法要点：

- `-R`（推荐）按原样显示颜色，同时保留其他控制字符的处理；`-r` 是更“生猛”的 raw 模式，一般不必要。
- 不想每次都写 `-R`，可设环境变量：`export LESS='-R -X'`（`-X` 让退出后不清屏），此后 `… --color | less` 即可。
- 忘了 `-R` 会怎样？那些颜色码会以 `^[[32m…` 这样的**字面文本**显示出来（就是乱码）。
- 相反，若只想要干净的 CSV 而去掉颜色：用 `--no-color`，或在管道中保持默认（不加 `--color`）即可。
- `--color` 下默认输出**全部**条目（红绿都有）；只想要一种就再加 `--可报` 或 `--卡住`，例如
  `python3 query.py 组合 物 化 政 --卡住 --color | less -R`。
- 进入管道/分页器后**不会再被 `--limit 500` 截断**（此时由 `less` 负责翻页）；想反过来强行限制用 `--limit N` 只在终端生效，可在管道里用 `| head -N`。

## 四、核心数据特征

科目要求写法分布（40175 条）：

| 要求 | 条数 | 占比 |
|---|---|---|
| 物和化 | 19009 | 47.3% |
| 不限 | 17095 | 42.6% |
| 物 | 2344 | 5.8% |
| 政 | 454 | 1.1% |
| 史 | 400 | 1.0% |
| 物和化和生 | 206 | 0.5% |
| 地 / 生 / 化 等 | 各 150–198 | ~0.4% |
| 政和史 等复合 | 59 及以下 | <0.2% |

**六选三组合的覆盖率**（能报的专业条目占比）：

- 物理+化学+政治 97.2% ｜ 物理+化学+生物 97.1% ｜ 物理+化学+历史 97.1% ｜ 物理+化学+地理 96.6%
- **不含物+化的组合，覆盖率上限约 50%**
- 覆盖率最低：化学+生物+地理 43.8%

## 五、注意事项

1. 本目录是“拟在沪招生”的专业要求，**院校/专业每年会微调**，最终以当年（2029 年）上海市教育考试院公布的**招生专业目录**为准。
2. 上海本科以 **“院校专业组”** 为志愿填报与投档单位，专业组内实际所含专业以当年目录为准。
3. 上海高职（专科）专业**不设选考科目要求**，故不在本目录中。
4. 本数据为机器从官方 PDF 抽取（坐标还原表格，已过滤整页水印与页脚，并修复内蒙古/黑龙江单元格合并问题），抽样核对无误，但重大决策前请以官方 PDF 原文复核。