第一步：使用 Doc2x 将 PDF 转为 Markdown#

首先通过 Doc2x 对 PDF 进行 OCR，并导出 Markdown 初稿。操作流程如下：

1. 上传原始 PDF；
2. 选择 OCR 转 Markdown；
3. 下载转换结果，形成初始 .md 文件。

该步骤的作用是完成内容数字化，但初稿通常仍存在以下问题：

• 公式符号识别偏差（上下标、分式、向量记号等）；
• 断行与段落结构不稳定；
• 题号、选项、小问层级混乱。

因此，OCR 结果仅作为后续整理的底稿。

第二步：使用 Codex 完成内容迁移、纠错与排版统一#

在 OCR 初稿基础上，使用 Codex 将内容迁移至项目结构，并进行系统清洗。核心工作包括：

1. 将 Markdown 内容按章节迁移至 example_text_type.tex；
2. 按题型重建结构（选择、填空、综合题及小问）；
3. 修正 OCR 识别错误：

• 公式与数学符号；
• 标点、空格与断句；
• 题号与题干对应关系；

4. 统一题型环境写法，减少手动排版带来的格式漂移。

完成后，文档由“识别文本”转为“可编译、可维护”的题库源文件。

第三步：使用 Codex 优化 ExBook.cls（缩进与题间距）#

内容整理完成后，对模板层进行版式优化，重点处理缩进与题间距。

具体调整如下：

1. 增强题目与小问层级的缩进控制，使题干与子问题的视觉关系更清晰；
2. 将题后留白从手工控制改为题型驱动，统一由 bbox 负责；
3. 在 standard 版式中引入分类型间距规则：

• [choice]：题后不额外留白；
• [blank]：题后 4mm；
• [big]：题后 4cm。

扩展效果：

• 排版行为从“逐题手工微调”转为“规则化输出”，降低维护成本；
• 不同题型的页面节奏更稳定，跨章节观感一致；
• 后续增量录题时，仅需声明题型即可复用间距策略。

结果#

通过上述三步，形成了可持续迭代的习题文档流程：

• 输入层：Doc2x 完成 PDF 数字化；
• 处理层：Codex 完成迁移、纠错与结构化整理；
• 输出层：优化后的 ExBook.cls 提供一致、稳定的排版结果。

该流程同时兼顾了整理效率、可维护性与最终阅读体验。