简介这份《心理咨询师基础心理学知识复习概要》面向备考心理咨询师基础理论考试的学员也适合心理学入门者梳理知识框架帮助在有限时间内抓住考点、建立体系。包内共1个doc文档约146KB以纯文字提纲形式呈现可直接打印或对照教材逐章复习。内容覆盖基础心理学的研究对象与内容、人的心理本质、心理学发展简史、学派纷争、当代研究取向以及研究原则与方法等模块并细化到神经元结构、外周神经系统、反射弧等生理基础知识点配有习题编号提示重点便于定位高频考点。复习时可先通读目录把握框架再借助习题标记反复记忆易混概念如四种气质类型、构造心理学与行为主义的分歧、本我自我超我等。文档已积累125人学习适合作为考前冲刺与查漏补缺的随身笔记。1. 一份 .doc 复习概要难的不是背而是把它拆开不少人拿到「心理咨询师基础心理学知识复习概要.doc」的第一反应是直接打开、从头读到尾读到第三章开始犯困合上文件什么也没剩下。反直觉的地方在于这份材料的瓶颈通常不在记忆而在解析与结构化。它多半是多年间反复增删的产物同一个考点在三处出现措辞还不完全一致编号混用「第一章」「一、」「一」「1.1」四套体系页眉页脚夹着页码和机构名用复制粘贴抽出来的文本里全是断行和全角符号。把它变成可切分、可检索、可调度复习的数据是后面所有事情的地基。做完之后手上会有四样东西一棵带层级的大纲树、一组按考点拆开的最小记忆单元、一张能导入常见背卡工具的问答表以及一个既能按关键词也能按语义反查原文的索引。适合两类人参考——正在准备心理咨询师基础考试、想把厚资料压成高频复习清单的人以及手上堆着一批历史 Office 文档、需要先迁成结构化数据再喂给检索系统的工程师。2. 解析 .doc 复习概要格式判定、正文抽取与噪声清洗扩展名是最不可信的信息。很多叫 .doc 的文件其实是改过名的 .docx还有一些是纯文本被硬套上 .doc 后缀。如果一上来就按某一种格式写解析代码跑到一半抛异常会浪费大量时间在猜问题上。合理顺序是先确认物理容器再选抽取路径最后做清洗。2.1 先判容器OLE2 还是 OOXML文件头比扩展名可靠得多。老版 Word 用的是 OLE2 复合文档头部固定为D0 CF 11 E0 A1 B1 1A E12007 年之后的 OOXML 本质是 ZIP 包头部是50 4B 03 04。# file 依据 libmagic 规则库给出大致判断 file 心理咨询师基础心理学知识复习概要.doc # 直接看前 8 字节最直观 head -c 8 心理咨询师基础心理学知识复习概要.doc | xxd # 如果头部是 50 4B用 unzip 列出内部结构确认 unzip -l 心理咨询师基础心理学知识复习概要.doc | head -20head -c 8只读 8 字节几百兆的文件也是瞬间返回不会把内容全加载进内存。unzip -l能列出内部条目看到word/document.xml就基本可以确定是 OOXML此时把文件改名成 .docx 再用下面的代码读即可。文件头十六进制实际容器建议处理方式D0 CF 11 E0 A1 B1 1A E1OLE2 复合文档用 LibreOffice 无头模式转成 docx 或 txt 再解析50 4B 03 04ZIP / OOXMLpython-docx 直接读也可解包拿 document.xml无固定头前几字节是 GB18030 或 UTF-8 中文纯文本做编码探测后按行读跳过样式解析25 50 44 46PDF走文本层抽取扫描件再考虑 OCR2.2 三条抽取路径python-docx、格式转换、纯文本兜底标题层级是切分的命脉所以优先用能读到样式名的路径。from docx import Document import re def load_paragraphs(path: str): 按原始顺序读段落level0 表示正文0 表示标题层级 doc Document(path) rows [] for i, p in enumerate(doc.paragraphs): text p.text.strip() if not text: continue style (p.style.name or ).strip() level 0 # 中文版 Word 的样式名可能是 Heading 1也可能是 标题 1 if style.lower().startswith(heading) or style.startswith(标题): m re.search(r\d, style) level int(m.group()) if m else 1 rows.append({idx: i, level: level, text: text}) return rowsidx保留原始段落序号后面做去重和回溯原文时用得上level是后续挂树的唯一依据。要注意的是从老 .doc 转过来的文件里样式名经常全部是Normal此时level恒为 0必须退回到按编号正则判断层级也就是 3.1 的做法。老 .doc 本身没有可靠的 Python 解析库常见做法是先转换# 无头模式转 docx保留样式信息 soffice --headless --convert-to docx --outdir ./converted ./心理咨询师基础心理学知识复习概要.doc # 只要纯文本时用过滤器名显式指定 UTF-8 编码避免中文乱码 soffice --headless --convert-to txt:Text (encoded):UTF8 --outdir ./converted ./心理咨询师基础心理学知识复习概要.doc--headless不弹界面适合放进批处理脚本--outdir指向的目录要提前建好部分版本不会自动创建。同一台机器上重复执行时如果报source file could not be loaded多半是残留的 soffice 进程占用了用户配置目录先结束残留进程或者加上-env:UserInstallationfile:///tmp/lo_profile换一个独立配置目录再跑。2.3 清洗规则页眉页脚、孤立页码、全角符号抽取出来的文本里噪声主要是三类每页重复的页眉机构名、只有数字或短横线的页码行、把一句话从中间劈开的软换行。import re import unicodedata NOISE [ (re.compile(r^\s*第?\s*\d\s*页\s*$), ), # 孤立页码行 (re.compile(r^\s*[-—–]\s*\d\s*[-—–]\s*$), ), # - 12 - 形式 (re.compile(r^\s*共\s*\d\s*页\s*$), ), # 页脚统计 (re.compile(r[ \t\u3000]), ), # 连续空白压成一个空格 (re.compile(r(\r?\n){3,}), \n\n), # 多空行压缩 ] def clean(text: str) - str: for pat, rep in NOISE: text pat.sub(rep, text) # NFKC 会把全角数字、全角括号、连字符统一成半角便于统一正则匹配 text unicodedata.normalize(NFKC, text) return text.strip()NFKC 归一化的代价需要提前知道「一」会变成「(一)」所以后面的编号正则要按半角括号来写否则一条都匹配不上。另外页眉页脚根本不在doc.paragraphs里python-docx 需要用section.header.paragraphs和section.footer.paragraphs单独取出来把取到的字符串组成一个集合做整行删除。噪声类型判定方式处理动作页眉机构名出现在 header 中且每页重复整行丢弃孤立页码行长不超过 8 且只含数字与短横线整行丢弃软换行断词行尾无标点且下一行开头无编号与下一行合并全角 ASCII 字符码位落在 FF01 到 FF5E 区间NFKC 归一化重复标题同一文本在标题位置出现两次以上保留首个其余加序号后缀3. 知识点切分与建模从连续正文到大纲树清洗完的文本仍然是一整条长串直接送进检索或背卡工具都不合适。真正要切的是「知识点」这一层比章节小、比句子大通常一个知识点对应教材里的一个小标题加上它后面的一段解释。切分质量决定了后面所有环节的上限。3.1 四套编号并存时的切分正则中文文档的编号体系高度不统一必须按「先长后短」的顺序匹配否则1.1.1会被1.1的规则先吃掉一部分。import re PATTERNS [ (h1, re.compile(r^第[一二三四五六七八九十百零\d][章节篇]\s*[、.]?\s*(.{0,60})$)), (h2, re.compile(r^[一二三四五六七八九十]\s*[、.]\s*(.{0,60})$)), (h3, re.compile(r^[(]\s*[一二三四五六七八九十\d]\s*[)]\s*(.{0,60})$)), (h4, re.compile(r^\d{1,2}(?:\.\d{1,2}){1,3}\s*[、.]?\s*(.{0,60})$)), (h5, re.compile(r^\d{1,2}\s*[、.]\s*(.{0,60})$)), ] def classify(line: str): line line.strip() for tag, pat in PATTERNS: if pat.match(line): return tag return body{0,60}是长度护栏防止某个段落恰好以数字加顿号开头就被误判成标题。如果材料里有超长标题可以放宽到{0,120}但误判率会明显上升需要在后面加人工抽检。匹配出来的 tag 只是「形态」不代表真实层级——有的材料从「一、」直接跳到「1.」中间没有章标题。稳妥做法是按 tag 首次出现的顺序做一次层级归一化把 tag 映射成 1 到 n 的整数再挂树。3.2 大纲树与知识点三元组拿到带层级的行之后用栈来构树最省事。from dataclasses import dataclass, field dataclass class Node: title: str level: int body: list field(default_factorylist) children: list field(default_factorylist) def build_tree(rows): root Node(ROOT, 0) stack [root] for r in rows: if r[level] 0: node Node(r[text], r[level]) # 遇到同级或更高级标题就弹栈保证父子关系正确 while stack and stack[-1].level node.level: stack.pop() stack[-1].children.append(node) stack.append(node) else: stack[-1].body.append(r[text]) return root栈顶始终是当前正在填充的节点。正文段落只追加到栈顶标题则先弹栈再入栈。这一步做完任意一条记忆原子都能反查到从章到节的完整路径后面做覆盖率校验、去重、增量更新全部依赖这个路径。再往上包一层把每个叶子节点转成三元组path章节路径、question问句形式、answer原文要点。问句形式不是必须的但对背卡工具很重要没有它就得在复习时自己现编问题效率会低一半。3.3 切分粒度参数表粒度太细会产生大量碎片卡片复习时上下文全丢了太粗又会把三四个考点塞进一张卡导致记忆负担集中。参数保守取值激进取值影响max_chars400800单条知识点最大字符数超长按句号二次切分min_chars3015低于此值视为噪声行丢弃overlap060二次切分时的重叠字符数防止句子被切断单点句数2 到 51 到 3一个知识点保留的解释句数是否保留举例保留丢弃例子有助理解但会拉长卡片心理学基础部分大量是概念定义和特征列举这类内容 2 到 3 句就够涉及流派对比、实验结论的部分建议放宽到 5 句否则卡片之间会失去因果链。切分完后统计一下长度分布如果 90% 的卡片都落在最小区间说明阈值定得太紧。4. 生成复习卡片与检索索引结构化的数据有两种用法一种是主动回忆把知识点变成问答题另一种是被动检索复习到某个概念时能立刻定位到原文。前者解决记忆后者解决查阅两者共用同一份切分结果。4.1 从知识点三元组到可导入的问答表不同考点类型配不同问句模板比统一套「XX 的定义是什么」效果好得多。考点类型触发关键词问句模板概念定义是指、称为、定义为X 的定义是什么特征列举特点、特征、表现X 有哪些主要特征对比区分区别、不同、相比X 与 Y 的核心区别是什么阶段顺序依次、阶段、步骤X 分为哪几个阶段顺序如何人物理论提出、认为、理论谁提出了 X核心观点是什么import csv TEMPLATES [ ((是指, 称为, 定义为), {title} 的定义是什么), ((特点, 特征, 表现), {title} 有哪些主要特征), ((区别, 不同, 相比), {title} 的核心区别是什么), ] def make_cards(tree, out_pathcards.csv): cards [] def walk(node, path): cur path [node.title] if node.level 0 else path if not node.children and node.body: text .join(node.body) q None for keys, tpl in TEMPLATES: if any(k in text for k in keys): q tpl.format(titlenode.title) break cards.append({ path: /.join(cur), question: q or f{node.title} 的核心内容是什么, answer: text[:400], tag: cur[0] if cur else , }) for c in node.children: walk(c, cur) walk(tree, []) with open(out_path, w, newline, encodingutf-8-sig) as f: w csv.DictWriter(f, fieldnames[path, question, answer, tag]) w.writeheader() w.writerows(cards) return cardsencodingutf-8-sig带 BOMExcel 和多数背卡工具直接双击打开不会乱码代价是某些 Linux 工具读到首行多一个不可见字符需要时改成utf-8。answer截断到 400 字符是个经验值太长的答案会让人在复习时干脆跳过不读。tag取章节路径的第一段方便按「基础心理学」「社会心理学」这类大块筛选。4.2 双路召回关键词倒排加语义检索关键词检索快且可解释语义检索能命中换了说法的同义考点两个一起用效果最好。import jieba from collections import defaultdict def build_inverted(points): 构建倒排索引词 - 知识点编号列表 idx defaultdict(list) for pid, p in enumerate(points): words jieba.cut_for_search(p[question] p[answer]) for tok in set(words): tok tok.strip() if len(tok) 2: # 丢掉单字过滤的是这类高频噪声 continue idx[tok].append(pid) return idx def search(inverted, points, query, topk5): scored defaultdict(int) for tok in jieba.cut_for_search(query): for pid in inverted.get(tok, []): scored[pid] 1 ranked sorted(scored.items(), keylambda x: -x[1])[:topk] return [points[pid] for pid, _ in ranked]cut_for_search会额外切出细粒度子词召回率高但噪声也大适合范围查漏要精度就换成jieba.lcut。len(tok) 2的过滤对中文检索很关键单字词能把半本资料都召回出来排序反而失真。语义那一路常见做法是用句向量模型把每个知识点编码成向量存进本地索引查询时算余弦相似度再把两路结果按序号做加权融合关键词命中权重给高一些避免语义漂移把不相关的内容排到前面。4.3 间隔重复参数怎么设参数设得不对复习量会在第二周爆炸。参数建议值说明每日新卡上限15 到 25心理学概念密度高超过这个数当天消化不完单日复习上限150超过就只做到期最久的别硬扛初始间隔1 天首答正确后进入 1 天间隔简单卡加长系数2.5连续答对时按此放大间隔遗忘阈值连续两次答错命中则重置为 1 天并降级归类难度因子下限1.3防止难度系数无限缩小导致间隔停滞SM-2 这类经典算法只用到「记得 / 忘了」两档反馈对概念辨析类卡片偏粗如果背卡工具支持四档评分重来、困难、良好、简单把「困难」控制在总评分次数的 20% 以内间隔曲线会更平滑。判断参数是否合适有个简单信号复习完当天的到期队列后如果正确率长期低于 75%说明新卡放得太快或者卡片本身粒度太粗。5. 覆盖率校验与更新同步让复习清单跟着大纲走复习概要会随教材版本和考纲调整改写卡片表一旦和原文脱钩就会出现背了半天结果背的是旧表述。更麻烦的是那种隐性脱钩——大纲新增了一节卡片表里根本没有对应条目而复习的人不会主动发现。5.1 覆盖率校验脚本每个大纲叶子节点都应该有卡片对应缺口直接打出来。def coverage(tree, cards): leaves [] def walk(node, path): cur path [node.title] if node.level 0 else path if not node.children and node.body: leaves.append(/.join(cur)) for c in node.children: walk(c, cur) walk(tree, []) covered {c[path] for c in cards} missing [p for p in leaves if p not in covered] print(f叶子节点 {len(leaves)}已生成卡片 {len(covered)}缺口 {len(missing)}) for p in missing[:20]: print( 缺卡片:, p) return missing缺口清单比任何主观感受都可靠。跑一遍发现缺口超过 10%基本可以判断是切分阶段某个编号正则没匹配上导致整节内容被并进了上一节。把缺口的原始行号打出来回到原文对应位置看编号长什么样补进PATTERNS即可比逐个补卡片快得多。5.2 三个高频坑编号错位最常见。当原文某节的标题行没有编号只是一个加粗短句时正则会把它当成正文整节内容挂到上一个节点下路径全错。判断信号是某张卡片的path长度异常或者答案里混进了下一章的概念。标题被合并进正文是第二个坑。转换工具有时会把标题和紧随其后的段落并成一行形如「三、注意的特征注意是心理活动对一定对象的指向和集中」。处理办法是在清洗阶段对已知的编号前缀做一次切分把匹配到的编号头剥离成独立标题。同一考点多版本是第三个坑也是最费时间的。原文里同一个概念在两处表述略有差异卡片表就会出现两张几乎一样的卡复习时反复看到浪费配额。用标题加答案前 60 字符的相似度做一次聚类相似度超阈值的只保留正文位置更靠后的那张通常后写的版本更接近最新表述。5.3 增量重建用内容指纹锁定变化每次改一小段就全量重建卡片编号会全部变化背卡工具里的复习进度直接清零。解决办法是给每个节点算内容指纹只重建指纹变化的节点其余保持原 id。import hashlib def fingerprint(node_text: str) - str: # 归一化空白后再哈希避免排版微调触发重建 normalized .join(node_text.split()) return hashlib.md5(normalized.encode(utf-8)).hexdigest()[:12]指纹取前 12 位足够冲突概率可以忽略。把指纹表落成一份 JSON 提交到版本库里下次修改复习概要后重新跑一遍diff 出来的就是本次真正变动的知识点清单——它本身就是一份重点变化记录比逐页对比两份文档省下大量时间。本文还有配套的精品资源点击获取