简介：这份《函数极限与连续练习题》面向正在学习高等数学、准备考研或期末复习的学生，用于检测对函数极限与连续相关概念的理解与运算能力。题目共14道选择题，覆盖函数极限的存在性、连续性判断、同阶与高阶无穷小量、无穷小量的等价性等核心考点，每道题都对应一个明确的知识点，便于逐项排查薄弱环节。资源包内含1个PDF文件，大小约8.54MB，内容为可直接打印或在线浏览的习题文档，题面与选项排版清晰，适合课堂练习、自测或考前集中训练。目前已有240人学习下载，说明该练习在同类资料中具有一定参考价值。通过逐题作答，读者可以检验自己对极限存在性、连续性及无穷小量比较的掌握程度，并借助题目解析思路巩固运算方法，适合作为章节复习的配套练习使用。

1. 一份习题集为什么值得当成工程项目来做

如果你手头有一份《第一章_函数极限与连续练习题.pdf》，大概率不是要“读”它，而是要“用”它——要么是带课的老师想批量出题、组卷、核对答案，要么是自学的人想把这一章的极限与连续真正练透，而不是刷完就忘。函数极限与连续是整个微积分的地基，后面导数、积分、级数的所有“玄学”操作，追根到底都靠这一章的 ε-δ 语言和连续性判定撑着。问题在于，市面上的习题 PDF 大多是“死”的：题目和答案混排、公式是图片、没法检索、没法按知识点筛、更没法自动判对错。这篇笔记就讲一件事：怎么把一份静态的极限与连续练习题 PDF，拆成结构化、可检索、可复现、甚至能自动判分的题库资产。适合带课的老师、做教辅的开发者，以及想给自己搭一套刷题系统的自学者。下面按“先看清 PDF 里到底有什么 → 再抽成结构化数据 → 再校验和判分 → 最后避坑”的顺序走一遍。

2. 先拆解 PDF：极限与连续练习题到底由哪些题型构成

动手写代码之前，得先搞清楚这一章的题目长什么样。函数极限与连续的练习题不是随机堆的，它有非常固定的题型骨架，摸清骨架才知道后面该抽哪些字段。

2.1 极限与连续的六类典型题型

我一般会把这一章的题归成六类，每类的抽取难点完全不同：

这六类里，前两类是纯计算，后四类带“判定逻辑”，抽取时不能只存题干和答案，还得存“判定依据”。比如间断点分类，如果只存答案“可去间断点”，学生复习时根本不知道自己错在哪一步，必须把“左极限=右极限≠函数值”这个判据一起存进去。

2.2 从 PDF 到结构化字段：先定 schema 再动手

很多人一上来就写正则去抠文本，结果字段东一个西一个，后面判分根本没法写。正确顺序是先定 schema。我一般用下面这套字段，够覆盖这一章 95% 的题：

# 每道题的结构化表示，字段名尽量用英文避免编码问题 question_schema = { "qid": "L001", # 题号，唯一标识 "type": "limit_direct", # 题型枚举，对应 2.1 的六类 "stem_latex": "...", # 题干，保留 LaTeX 公式 "condition": "...", # 附加条件，如分段函数定义域 "answer": "...", # 标准答案 "method": "...", # 推荐解法：等价无穷小/洛必达/夹逼 "difficulty": 2, # 难度 1-5 "knowledge_tags": ["未定式", "等价无穷小"] }

字段说明：type用枚举而不是自由文本，是为了后面能按题型筛题组卷；method单独存，是因为同一道极限题往往有多种解法，判分时不能只看答案对不对，还要看方法是否匹配当前教学进度；knowledge_tags是数组，一道题可以挂多个知识点，方便做“只练等价无穷小”这种定向训练。schema 定完再回头处理 PDF，你会发现抽取目标一下子清晰了。

2.3 公式抽取：为什么不能直接复制 PDF 文本

这是最容易翻车的一步。PDF 里的数学公式，本质是排版指令而不是文本，直接复制出来经常变成limx→2x2−4x−2这种丢符号的乱码，上下标、分数线全没了。血泪经验是：不要指望 PDF 文本层，要么用公式识别，要么人工过一遍。常见做法是先用 PDF 解析库把每页转成图片，再对公式区域做 OCR 或公式识别，输出 LaTeX。如果题量不大（这一章通常几十道），我反而建议半自动：脚本抽题干文字，公式部分留占位符，人工补 LaTeX，准确率比全自动高得多。记住一个原则——题库的公式质量直接决定后面判分能不能做，这一步省不得。

3. 把练习题抽成结构化题库：解析脚本与字段落地

schema 定好了，接下来是真正把 PDF 变成数据。这一章给一套能跑的解析流程，从 PDF 读取到字段填充，每一步都落到代码。

3.1 用 pdfplumber 做版面分析定位题目块

第一步是把 PDF 按“题目块”切开。极限与连续练习题通常有固定排版：题号 + 题干 + 选项（如果有）+ 答案区。我用 pdfplumber 先看版面结构，再按题号正则切块。

import pdfplumber import re def split_questions(pdf_path): """把 PDF 按题号切成题目块列表""" blocks = [] with pdfplumber.open(pdf_path) as pdf: full_text = "" for page in pdf.pages: # extract_text 保留换行，便于按行匹配题号 full_text += page.extract_text() + "\n" # 匹配 "1." "2." "3." 这类题号，作为切分锚点 pattern = re.compile(r'(?m)^\s*(\d{1,3})[.、]\s*') matches = list(pattern.finditer(full_text)) for i, m in enumerate(matches): start = m.start() end = matches[i + 1].start() if i + 1 < len(matches) else len(full_text) blocks.append({ "qid": f"L{int(m.group(1)):03d}", "raw": full_text[start:end].strip() }) return blocks

逻辑说明：extract_text()会把每页文字按阅读顺序拼出来，题号正则用^\s*\d+[.、]匹配行首题号，finditer拿到所有题号位置后，相邻两个题号之间就是一个题目块。参数上，\d{1,3}限制题号最多三位，避免把公式里的数字误判成题号；(?m)开启多行模式让^匹配每行开头。这一步的产出是“粗块”，题干和答案可能还混在一起，下一步再细分。

3.2 题干、答案、解法三段式切分

粗块里通常题干在前、答案在后，中间可能有“解：”“答案：”这类标记。按标记切三段：

def parse_block(block): """把题目块切成题干、答案、解法三段""" raw = block["raw"] # 常见答案标记，按优先级匹配 answer_marks = ["答案：", "答案:", "解：", "解:", "答："] stem, answer, method = raw, "", "" for mark in answer_marks: if mark in raw: parts = raw.split(mark, 1) stem = parts[0].strip() rest = parts[1].strip() # 解法里常含"由...得""因为...所以"，粗略按关键词再切 method_kw = ["由", "因为", "利用", "根据"] for kw in method_kw: if kw in rest: answer, method = rest.split(kw, 1) method = kw + method break else: answer = rest break return { "qid": block["qid"], "stem_latex": stem, "answer": answer.strip(), "method": method.strip() }

逻辑说明：split(mark, 1)只切第一个匹配，防止答案里再出现“解”字被误切。解法关键词列表是经验值，覆盖这一章常见的推导开头。参数上，answer_marks的顺序很重要——先匹配“答案：”再匹配“解：”，因为有些题两者都有，答案标记更明确。切完后answer是纯答案，method是推导过程，两者分开存，判分和复习时各取所需。

3.3 题型自动打标：用关键词规则先跑一版

字段填完，还得给每道题打type和knowledge_tags。全自动分类模型对几十道题是杀鸡用牛刀，规则足够：

def tag_question(q): """基于关键词给题目打题型和知识点标签""" stem = q["stem_latex"] tags, qtype = [], "unknown" # 题型判定，顺序从具体到宽泛 if "连续" in stem and ("求" in stem or "确定" in stem): qtype = "continuity_param" tags.append("连续性") elif "间断点" in stem: qtype = "discontinuity" tags.append("间断点分类") elif "左极限" in stem or "右极限" in stem: qtype = "one_side_limit" tags.append("左右极限") elif "lim" in stem: qtype = "limit_direct" tags.append("极限计算") # 方法标签 if "等价无穷小" in stem or "sin" in stem or "tan" in stem: tags.append("等价无穷小") if "0/0" in stem or "∞/∞" in stem: tags.append("未定式") q["type"] = qtype q["knowledge_tags"] = tags return q

逻辑说明：判定顺序从“连续”“间断点”这类强特征词开始，最后才落到宽泛的lim，避免一道连续题被误标成普通极限题。knowledge_tags用追加方式，一道题可以同时挂“未定式”和“等价无穷小”。参数上，关键词表要按你手上 PDF 的实际用词调整，比如有的教材写“无穷小替换”而不是“等价无穷小”，得补进去。跑完这一版，人工抽查十几道，把错标的规则补一补，准确率能到九成以上。

4. 校验与判分：让题库真正能用来练

抽完数据只是半成品，题库的价值在于“能判、能筛、能复现”。这一章讲怎么校验抽取质量，以及怎么给极限题做自动判分。

4.1 抽取质量校验：三道自检关卡

抽完不校验，等于埋雷。我一般过三道关：

第一关，字段完整性。每道题stem_latex、answer不能为空，type不能是unknown。写个脚本扫一遍，把异常题号列出来人工补。

第二关，公式可渲染。把stem_latex丢进 LaTeX 渲染器（比如 matplotlib 的 mathtext 或 KaTeX），渲染失败的说明公式有语法错，多半是抽取时丢了\或括号不配对。

第三关，答案可复算。对纯计算型极限题，用符号计算库独立算一遍答案，和抽取的答案比对：

import sympy as sp def verify_limit(stem_latex, claimed_answer): """用 sympy 独立复算极限，和抽取答案比对""" x = sp.Symbol('x') # 这里需要把题干里的极限表达式解析出来，实际用正则提取 # 示例：lim(x->2)(x**2-4)/(x-2) expr = (x**2 - 4) / (x - 2) point = 2 real = sp.limit(expr, x, point) try: claimed = sp.sympify(claimed_answer) return sp.simplify(real - claimed) == 0 except Exception: return False # 答案不是可解析表达式，转人工

逻辑说明：sp.limit做符号极限，sp.simplify(real - claimed) == 0判断两者是否等价，比字符串比对可靠得多——1/2和0.5会被判为相等。参数上，point从题干里正则提取，expr的解析是难点，实际项目里我会维护一个“题干 → sympy 表达式”的映射规则表。复算不通过的题，要么是抽取错了，要么是原题答案有误，都值得人工看一眼。

4.2 极限题自动判分：数值容差与等价判定

学生提交答案后怎么判？极限题的答案可能是数值、无穷、不存在，判分逻辑得分情况：

数值比对一定要带容差，因为学生可能写0.333333而标准答案是1/3。我一般把标准答案统一转成 sympy 有理数，学生答案也尝试sympify，能转就符号比对，转不了再退回数值比对加容差。这一步的坑是“不存在”和“无穷”容易混——左右极限不相等是“不存在”，趋于无穷是“无穷大”，判分时得分开处理，否则学生答对了却被判错，体验极差。

4.3 按知识点组卷：把标签用起来

题库结构化之后，组卷就是查标签的事。比如要出一套“等价无穷小专项”，就筛knowledge_tags含“等价无穷小”的题，按difficulty排序抽题：

def build_paper(questions, tag, n=10, max_diff=3): """按知识点标签组卷，控制难度上限""" pool = [q for q in questions if tag in q.get("knowledge_tags", []) and q.get("difficulty", 5) <= max_diff] # 按难度升序，取前 n 道，保证由易到难 pool.sort(key=lambda q: q.get("difficulty", 5)) return pool[:n]

逻辑说明：先按标签和难度上限过滤，再按难度升序排，取前 n 道，这样出来的卷子天然由易到难。参数max_diff控制难度天花板，带基础班就设 3，冲刺班设 5。这套逻辑跑通后，老师出专项练习从“翻 PDF 找题”变成“改一个标签参数”，效率差一个量级。

5. 避坑与排查：处理极限练习题 PDF 的五个常见翻车点

这一章全是踩过的坑，每条按“现象 → 原因 → 解决”写，照着排查能省不少时间。

坑一：公式复制出来全是乱码。现象是limx→0sinxx这种丢符号的字符串。原因是 PDF 文本层只存字符位置，不存数学结构，分数线、上下标全靠排版坐标，复制时全丢。解决办法是放弃文本层抽公式，改用公式识别或人工补 LaTeX，题干文字部分照常抽，公式留占位符后统一替换。

坑二：题号被公式里的数字带偏。现象是切出来的题目块数量比实际题数多。原因是正则^\s*\d+[.、]把公式里行首的“2.”也当成了题号。解决办法是加约束：题号后面通常跟中文或“求”“设”“计算”这类动词，把正则改成^\s*\d{1,3}[.、]\s*(?=[\u4e00-\u9fa5])，要求题号后紧跟中文，误判率大幅下降。

坑三：答案和题干被“解”字切错。现象是有的题答案里混进了推导过程。原因是题干里本身含“解”字（比如“求解下列极限”），被当成了答案标记。解决办法是答案标记只在题目块后半段匹配，或者要求标记前是换行，用\n\s*解[:：]这种更严格的模式。

坑四：sympy 复算把“不存在”判成错。现象是左右极限不相等的题，sympy 返回AccumBounds或报错，判分逻辑直接崩。原因是sp.limit默认求双侧极限，遇到跳跃间断点会返回一个区间对象。解决办法是显式求左右极限sp.limit(expr, x, point, '-')和'+'，两者不等就判“不存在”，别让默认行为替你决定。

坑五：难度标签全靠拍脑袋。现象是组出来的卷子难度忽高忽低。原因是difficulty字段是人工随手填的，没有统一标准。解决办法是定一个可操作的难度规则：直接代入型记 1，需一步等价无穷小记 2，需洛必达或多次变形记 3，含参数讨论记 4，综合多知识点记 5。规则定死，谁填都一样，组卷才可控。

6. 进阶：把静态题库变成可复现的练习流水线

到这一步，题库已经能筛、能判、能组卷了。再往前一步，是把它变成一条“改一道题、全流程自动更新”的流水线，这样长期维护才不痛苦。核心思路是把“PDF 解析 → 结构化 → 校验 → 组卷”串成一个脚本，输入新 PDF，输出新题库和校验报告。

具体做法是给每个环节留一个中间产物文件：解析阶段输出questions_raw.json，打标阶段输出questions_tagged.json，校验阶段输出verify_report.csv。这样任何一步出错，都能从上一个中间产物重跑，不用从头解析 PDF。我一般还会加一个“变更检测”：新 PDF 解析出的题号和旧题库比对，新增的题自动进待人工确认队列，删掉的题标记为废弃而不是直接删，留个后悔药。

验证流水线是否可靠，有个简单办法：拿同一份 PDF 跑两遍，比对两次输出的questions_tagged.json是否完全一致。如果不一致，说明某一步有随机性或依赖了外部状态（比如字典遍历顺序），得修。这个自检习惯帮我抓过好几次隐蔽的 bug。

最后一个具体技巧：给每道题存一个“题干指纹”——把stem_latex去掉空白和标点后算哈希。这样即使题号变了、PDF 重排了，只要题目内容没变，指纹就不变，去重和版本比对都靠它。我吃过题号重排导致整库对不上的亏，后来所有题库都加了这个字段，再没翻过车。

这套流程我从最早手工复制粘贴，到现在脚本跑一遍出题库，最大的教训是：别追求一步到位的全自动，公式识别和答案校验这两步，人工介入 10% 能换来 90% 的准确率提升。把 schema 定死、把中间产物留好、把指纹加上，这份《第一章_函数极限与连续练习题.pdf》就不再是一次性的练习纸，而是能反复用的资产。希望帮到你。

本文还有配套的精品资源，点击获取