新闻资讯公式不乱、手写不混：TextIn xParse让试卷变成结构化数据，赋能AI批改、错题整理与学情分析

公式不乱、手写不混：TextIn xParse让试卷变成结构化数据，赋能AI批改、错题整理与学情分析

2026-09-29 10:05:09

每年考试季前后，学生、家长、老师和教学机构都要和试卷打一场“持久战”：卷子要批改，错题要整理，题目要录入题库。

随着智能批改、错题整理类产品逐渐普及，越来越多团队想用 AI 把这条链路自动化，但接入后往往发现，最难的不是上层算法，而是第一步：把试卷“看清楚”。

初高中试卷，尤其是数学物理等理科卷子，是文档里很难处理的类型：印刷体公式、手写解题步骤、红笔批改、复杂版面交织在同一页；手机拍摄又带来透视畸变、阴影和折痕。普通 OCR 在这样的输入上错误率直线上升，公式变形、手写漏识、版面错乱。底层文本错了，上层再聪明的模型，也无法给出正确的批改和整理结果。

一张卷子从纸面到屏幕，中间隔着一层“看得清”的解析。

一、试卷解析，具体难在哪？

版面结构复杂

初高中数理试卷常见双栏排版、图文环绕、答题区留白、题号跨栏。一道物理大题可能左边是题干，右边是受力分析图，下面还有三个小问。

传统OCR按页面从上到下逐行输出，题干、选项、图形说明很容易被拆散。阅读顺序一乱，题目结构就没有了。

公式还原要求极高

数学里的分式、根号、上下标、积分号，物理里的矢量符号、单位、希腊字母，都是高频内容。

普通文本提取工具遇到这些内容，要么跳过，要么输出乱码。公式不是普通文字，它必须被还原成可编辑、可渲染的LaTeX结构。

传统OCR识别结果

手写与印刷体混排

一张试卷通常同时包含印刷题干和手写内容，部分试卷还带有批改符号与文字批注。不同内容相互交叠，容易导致题干、答案与批改痕迹混在一起，影响题目切分和文本提取。

解析系统需要准确区分印刷体与手写体，并尽可能保留各部分的位置关系，为后续的智能批改、错题整理与题库建设提供可靠数据。

拍照质量不可控

老师和学生用手机拍卷，常常有倾斜、阴影、折痕、光照不均。试卷本身还可能卷曲、重叠。解析引擎必须先做切边矫正，再谈识别。

二、TextIn xParse：试卷处理的智能解析底座

TextIn xParse 是面向复杂文档的解析工具，支持 PDF、扫描件、Word、图片等多种输入，把非结构化文档转化为稳定、可追溯的结构化数据。

公式解析直接输出LaTeX

xParse能够识别行内公式和独立公式，输出可编辑的LaTeX代码。分式、根号、上下标、积分、化学方程式、物理单位，都能结构化返回。下游批改模型拿到的不是“v=根号2gh”这样的文本碎片，而是 v=\sqrt{2gh} 这样的标准表达式，可以直接参与比对和计算。

版面分析做到元素级切分

引擎先理解页面，把内容拆成文本块、公式、表格、图片、手写区域等元素类型，再按原始阅读顺序重新组装。双栏试卷会识别栏位边界，跨栏题目会正确关联。图形和表格也能保留位置关系，不会在文本流中丢失。

手写识别与分层

xParse 内置手写识别模型，能够识别试卷中混排的印刷体与手写体，并结合版面位置，提取题干、公式和手写内容等信息。在手写识别的基础上进行擦除，即可保留印刷体题干和图形，清除手写作答和批改痕迹，输出干净的空白试卷图像。这个能力对错题重练和组卷复用非常关键。

使用便捷，接入灵活

xParse 支持 API 直接调用，也可以接入 Agent 工作流。用户不需要自己训练解析模型，一次请求返回文字、表格、标题层级、公式、手写字符和图片的结构化信息，输出Markdown或JSON。百页文档在线解析最快1.5秒，支持高并发调用。教育机构把它作为数据预处理层，解析结果直接送入现有的批改引擎或题库系统。

三、xParse 落地试卷场景：批改、错题本、题库与学情分析

xParse 将试卷中的题干、公式、手写内容和版面关系转化为结构化数据，为批改系统、题库系统和教学 Agent 提供统一、可复用的数据输入，让试卷内容成为 AI 能稳定理解的数据资产。

智能批改：从试卷识别到自动评阅

试卷解析完成后，智能批改是最常用的场景之一。不同题型的判题逻辑各有侧重：客观题在提取学生答案后与标准答案匹配，主观题和计算题则需要结合解题步骤、公式与最终答案进行评分。但无论哪种题型，判题都有一个共同前提：题干和学生作答必须先被准确提取，其中的公式还要转换为规范、可计算的 LaTeX。

比如一道自由落体物理题，标准答案是 $v = \sqrt{2 g h}$ ：xParse 把学生手写的 $v = \sqrt{2 g h}$ 准确识别为 LaTeX，大模型才能判断公式正确、代入正确，给出满分；如果学生手写的是v=2gh，xParse 如实输出，系统便能定位到根号缺失，判为错误并给出扣分点。同一份潦草手写，如果解析环节错一个字符，满分就变成误判。

这里大模型只负责判题，不负责“看卷”——“看卷”已经由 xParse 完成。公式不乱、手写不混，批改模型拿到的输入就是干净的，判分才有依据。

错题整理：自动归档并生成个性化错题集

批改完成后，系统根据判题结果定位错题，并利用 xParse 对试卷中的印刷体、手写体、公式及版面结构进行识别。在此基础上，下游应用可进一步提取题干、公式和配图，重新生成不含手写内容的干净题目，再按学科和知识点归档到学生的错题本中，生成个性化错题集 PDF，供学生打印重练。错题按知识点分类后，学生也能更快定位薄弱环节，进行针对性复习。

题库建设：试题结构化沉淀与灵活组卷

解析后的题目可以直接入库，题干、选项、公式、图形、答案各自独立存储。公式以LaTeX形式保存，可检索、可渲染；图形保留原始坐标和裁剪区域，可复用。

老师想组一份新卷子时，按知识点、难度、题型筛选，系统自动从题库中抽取题目拼卷，不需要重新录入。一道题解析一次，可以在不同班级、不同学期的组卷中反复使用。对于机构来说，题库积累得越多，组卷效率越高，边际成本越低。

学情分析：从作答结果定位知识薄弱点

每道题被正确切分后，才能准确映射到教材章节和知识点。一个学生反复在“牛顿第二定律”相关题目上出错，系统才能给出针对性的学习建议。如果题干识别错一个条件，知识点映射就可能从“牛顿第二定律”跑到“机械能守恒”，后续推荐和统计全部失真。班级层面也一样：哪道题错误率最高、哪个知识点全班掌握最差，这些统计都依赖题目结构的准确解析。解析质量决定了学情分析的上限。

四、一个完整链路示例：从拍卷到批改和错题本整理

以一道初中数学题为例，展示“批改 + 错题本整理”的完整链路。

原卷是一道印刷题干加手写作答的解答题：已知关于 x 的一元二次方程 x²-4x+m=0 有两个相等的实数根，求 m 的值。学生手写作答：“有两个相等的实数根，所以 Δ=b²-4ac=16-4m=0，解得 m=−4。”

经 xParse 解析，得到结构化文本：

题目（印刷体）：已知关于 $x$ 的一元二次方程 $x^2 - 4x + m = 0$ 有两个相等的实数根，求 $m$ 的值。

学生作答（手写体）：答：有两个相等的实数根，所以 $\Delta = b^2 - 4ac = 16 - 4m = 0$，$\therefore m = -4$。

交给上层大模型，得到批改结果：

批改结论：得分 5/10（思路 5 分 + 结果 0 分）｜标准答案 $m = 4$

错误诊断：
✅ 判别式 $\Delta = 0$ 方向正确
✅ 代入展开 $b^2 - 4ac = 16 - 4m$ 正确
✅ 置零 $16 - 4m = 0$ 正确
❌ 解方程符号错误：移项应为 $4m = 16$，得 $m = 4$，学生写成 $m = -4$

同一道题同时进入错题本整理流程，自动生成如下条目：

【错题本 No.01】
题目：已知关于 $x$ 的一元二次方程 $x^2 - 4x + m = 0$ 有两个相等的实数根，求 $m$ 的值。
标签：一元二次方程 ｜ 判别式 $\Delta$ ｜ 易错：解方程符号
我的作答：$\Delta = b^2 - 4ac = 16 - 4m = 0$，$\therefore m = -4$ ❌
正确答案：$m = 4$ ✅
错因：解方程移项符号弄反
同类练习：3 道自测题