火车头采集器教程，把文章知识转成实操题时怎样设置可判定的输出
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; ShapBot/0.1.0
🔗 /4ecd07a07b62.html
📄
火车头采集器教程，把文章知识转成实操题时怎样设置可判定的输出
先给结论：可判定的输出不是让学员“描述一下怎么采集”，而是要求提交一份能被第三方按固定规则检查是否正确的产物，例如一份可导入的采集规则文件、一段指定字段的CSV，或一份带失败原因说明的抓取日志。判断标准是：换一个人拿着你的题面，能否在不问你任何问题的情况下判对错。
矛盾现象：题目写得很详细，交上来的答案却没法判
很多火车头采集器教程在出练习题时，会把需求写得非常完整：采集某类列表页、提取标题和正文、翻页、去重、导出。学员也认真交了作业，但判题的人一看就犯难——有人交了截图，有人交了文字步骤，有人交了一段伪代码，还有人只写“按教程配置即可”。这些答案看起来都做了题，却没有一个共同的可比对象。
问题通常不在学员，而在题目把“操作过程”当成了输出。过程无法直接判定，只有产物可以。把文章知识转成实操题，关键动作是先把输出物定义清楚，再倒推题目要考哪几个知识点。
两种出题做法，各自成立的条件和代价
做法一：要求提交可运行的规则文件或结构化数据
适合学员已经能独立打开软件、完成基础配置的场景。题面直接规定：提交一个规则文件，或一份字段固定的CSV，字段名、字段顺序、编码方式都写死。判题时只需导入或打开文件，逐项核对。
- 成立条件：学员具备基本的软件操作能力，且题目考察的是配置与提取逻辑，而不是概念记忆。
- 代价：需要提前准备好可访问的练习页面，并约定好字段格式；否则不同人导出的列名不一致，仍然无法自动比对。
- 好处：对错边界清楚，可以明确指出“标题字段取到了导航文字”“正文混入了页脚”这类具体问题。
做法二：要求提交判断说明，例如“为什么这个规则会漏采”
适合考察排错思路、正则理解或翻页逻辑的场景。题面给出一个已经写好但有缺陷的规则，让学员指出问题所在，并说明修改方向。
- 成立条件：学员已经能读懂规则结构，题目考察的是诊断能力而非从零搭建。
- 代价：判题需要预设可接受的答案范围，否则“漏采”可能被解释成选择器问题、编码问题或请求头问题，难以统一评分。
- 好处：能暴露学员是否真正理解规则各部分的作用，而不是照抄步骤。
两种做法并不互斥。更稳妥的方式是同一道题分两段：第一段交产物，第二段交一份不超过若干条的说明，解释产物中某个字段为什么这样取。产物负责可判定，说明负责看思路。
能区分两种解释的证据：看错误是否可复现
当学员的答案被判错时，常有两种解释：一是题目本身没把输出定义清楚，二是学员确实没掌握对应知识点。区分它们的证据是复现性。
把同一份题面交给另一个具备同等基础的人，如果他也交出了格式不同但内容正确的产物，说明题目的输出定义不够硬，属于出题问题；如果他交出的产物同样在某个字段上出错，且错误位置一致，说明这个知识点确实是共同薄弱点，属于教学问题。
另一个可用的证据是错误类型。格式类错误（列名不统一、编码不一致）通常指向题面约定不足；内容类错误（取错节点、翻页断在第二页）通常指向知识点未掌握。把这两类错误分开统计，比笼统看正确率更能指导下一次出题。
一个注明假设的短例子
假设某节教程讲的是列表页加详情页的两级采集。出题时可以这样写：请提交一份CSV，包含三列，列名依次为title、url、content，编码为UTF-8；同时提交一份说明，写清列表页翻页是在哪一步设置的。
判题时先打开CSV核对列名和编码，再随机抽三行检查content是否只含正文。如果列名对但content混入推荐阅读，说明提取范围没掌握；如果列名不对，说明题面约定没被遵守，此时应先确认题面是否把列名写死在显眼位置，再决定是否扣分。这个动作的结果会直接影响下一步：若多数人错在列名，下次出题就把字段约定单独列成一行；若多数人错在正文范围，下次就补一个提取范围的专项练习。
把输出写进题面的三个检查点
- 产物形式唯一。明确规定是文件、表格还是日志，不接受“截图或文字均可”这类模糊表述。
- 字段与格式可核对。列名、顺序、编码、分隔符写清楚，让判题人不依赖出题人的记忆。
- 说明部分有上限。要求说明时限定条数或字数，避免用长篇文字掩盖产物本身的错误。
做完这三步，题目就从“看你有没有做过”变成“看你交出的东西对不对”，判题成本下降，学员也能从具体错误位置知道下一步该补哪个知识点。
