简介这份《无忧数学》考研数学思维导图PDF由新东方国内大学项目事业部推出专为备考考研数学的考生设计用于解决知识点覆盖广、体系庞杂、记忆负担重等复习痛点。资源以思维导图形式系统梳理高数、线代、概率等核心模块从数值计算、代数、几何、解析几何到微积分等高等数学内容均有清晰归类每一部分突出重点与联系便于快速定位薄弱环节、建立整体知识框架。全包仅含1个PDF文件大小约146KB轻量便携既可随时在电子设备上查看也方便打印成纸质版对照复习。目前已有279人学习可作为系统复习、考前回顾与查漏补缺的高效工具帮助考生把零散知识串联成可理解、可记忆的知识网络从而提升复习效率与应试信心。1. 考研数学思维导图 PDF先有结构才有记忆考研数学的知识体量不在“难”上而在“多”上。高数、线代、概率论三本书的考点加起来超过 300 个任何一个知识点放在一道题里都可能成为失分点。《无忧数学》这类思维导图 PDF 的定位就是把几百个考点压缩成一张能按层级索引的地图。很多人下载完就放进收藏夹一页页翻下去眼睛看会了合上 PDF 脑子还是空的。问题不在资料在于使用方式太浅。面向想把静态 PDF 工程化处理的人这篇内容从提取坐标讲到建立复习闭环每一步都用免费工具能复现出错也看得到在哪一步。2. 考研数学的知识结构为什么适合思维导图2.1 三大板块的层级关系与考点密度考研数学的官方考纲把内容分成高等数学、线性代数、概率论与数理统计三大板块。数一、数二、数三之间的差异在于板块取舍数二不考概率论数一多出向量代数和空间解析几何。但无论哪个类别知识的组织方式是相同的板块 → 章节 → 考点 → 题型一共四层。以高等数学为例章节可以细分为函数极限与连续、一元函数微分学、一元函数积分学、多元函数微分学、多元函数积分学、无穷级数、常微分方程。其中极限、导数与积分是核心级数和微分方程属于高级应用。这种四层结构天然适合用树状图表达每一层都有明确的父子关系节点之间的连线有实际语义——从“导数”到“洛必达法则”的连线表示的是“当极限形式未定时考虑求导判定”。板块典型章节数高频考点密度记忆侧重高等数学89极高极限、导数、积分公式推导与条件判断线性代数56高矩阵、特征值概念定义与运算规则概率论56中分布、数字特征分布函数与定理条件考点密度的差异决定了复习时分配的注意力不同。高数需要反复推导和刷题线代需要建立概念之间的转换关系概率论则要记清楚每个分布的适用条件。思维导图的价值是在一张图上同时呈现三个板块的边界和内部层次而不会像教材目录那样把三本书割裂开。2.2 思维导图比线性笔记多出来的三个信息维度线性笔记记录了时间顺序你把内容写在本子上但翻回去时逻辑线很容易断。思维导图多出三个维度。第一是层级深度从根节点到叶子节点有多少层一眼就能看到知识展开得多细。第二是交叉连接同级节点之间有没有连线表示“这两个概念会一起考”线代里特征值和二次型之间就存在这种关联。第三是空间邻近相邻位置的知识点往往在考试里是相邻命题的导图把这种隐性的出题习惯可视化。复习时第一个信息用于定位。当你在考场上拿到“求二重积分”的题大脑需要从根节点“高数”出发走到“多元积分学”下再走到“二重积分”的计算方法。如果没有这样一条能快速走通的路径你会在记忆库中漫无目的地随机搜索每多一步焦躁失分概率就大一分。反直觉的结论是思维导图的记忆价值不在叶子节点而在索引路径。每一个公式都可以现查手册但考场上不能现查。导图提供的是一套从问题到方法的高效路由它的形状结构本身就是记忆的钩子。2.3 一份导图 PDF 的典型排版结构市面上的考研数学导图 PDF排版大致分两类整页放射型和章页列表型。《无忧数学》这类资料多用左右展开的树状结构根节点在一页中央分支向两侧伸展每个叶子节点附带一个公式或定义。这类排版对阅读友好但对后续提取不友好——PDF 里没有“节点”这个概念只有文本块和坐标。要把它变成可编辑的资料需要理解 PDF 的内部表示。每个文本跨度都带有几项关键元数据字体大小、字体名称、包围盒坐标。字体大小通常只有几档正好对应不同的层级深度。坐标则决定了节点之间的空间关系——子节点的 Y 坐标会和父节点的 Y 坐标相邻并且 X 坐标偏向两侧。能稳定提取这两项后续的层级重建就有了数据基础。3. 用 PyMuPDF 从思维导图 PDF 提取文本坐标并生成 Markdown3.1 工具选型PyMuPDF 还是 pdfplumber解析 PDF 的工具很多常见的有 PyMuPDFfitz、pdfplumber、PDFMiner 和 poppler 自带的 pdftotext。对于思维导图 PDF 这个场景核心需求是同时拿到文本内容和坐标。pdftotext 只能输出文本和粗略位置不适合做精细的节点重建。PDFMiner 功能全但 API 复杂学习成本高。我一般优先用 PyMuPDF。它的get_text(dict)接口可以一次性输出每个文本跨度、坐标和字体大小速度比 pdfplumber 快一个量级。pdfplumber 的表格提取能力更好但思维导图 PDF 里几乎没有表格这个优势派不上用场。如果遇到文字错位严重的扫描版导图文本层本身是坏的先得用 ocrmypdf 补一层 OCR 文本再交给这些工具解析。工具文本坐标字体大小表格提取解析速度PyMuPDF完整有一般快pdfplumber完整有好较慢pdftotext粗略无无快ocrmypdf生成文本层——视图量而定3.2 提取坐标与字号的最小脚本下面这段脚本可以直接运行输出 PDF 首页中每个文本跨度的坐标、字号和内容。先跑一次确认这份导图有文本层再考虑后续加工。import fitz # PyMuPDF doc fitz.open(wuyou_shuxue_map_1.pdf) page doc[0] # 第一页 for block in page.get_text(dict)[blocks][:3]: # 先看前三个块 if lines not in block: continue # 跳过图片块 for line in block[lines]: for span in line[spans]: text span[text].strip() if not text: continue x0, y0, x1, y1 span[bbox] # 包围盒四个角 size span[size] # 字体大小 print(f{x0:6.1f} {y0:6.1f} {size:4.1f} {text})逻辑说明get_text(dict)返回一个嵌套字典按页 → 块 → 行 → 跨度排列。块是页面上的语义单元通常是一段文字或一张图行是块内同一行文本跨度是行内字体样式相同的文本片段。打印坐标使用bbox的左上角(x0, y0)这是最常用的参考点后续层级推断也基于这个值。参数说明x0是文字左边缘到页面左边缘的距离y0是文字上边缘到页面顶部的距离单位是点。size是字体尺寸导图 PDF 中层级越高字体越大根节点通常在 14 以上叶子节点在 8 到 10 之间。如果看到span[font]列出的字体名是自定义嵌入字体说明这份 PDF 的制作者做过视觉定制字号阈值需要另测。3.3 按字号和 Y 坐标推断层级输出 Markdown有了坐标和字号下一步做层级判断。严格的做法是提取导图中的连接线通过线段端点找到父子节点但大部分导图 PDF 的连线是曲线路径从 PDF 内部还原路径的语义工作量很大。常见做法是用字号分组再用 Y 坐标做局部排序得到一个近似的大纲结构。from collections import defaultdict import fitz doc fitz.open(wuyou_shuxue_map_1.pdf) spans_by_level defaultdict(list) seen set() for page_num in range(len(doc)): page doc[page_num] for block_idx, block in enumerate(page.get_text(dict)[blocks]): if lines not in block: continue for line in block[lines]: for span in line[spans]: text span[text].strip() if not text: continue key (page_num, block_idx, text) if key in seen: continue # 同页同块同文本视为重复 seen.add(key) size span[size] y0 span[bbox][1] if size 13: level 0 elif size 10: level 1 else: level 2 spans_by_level[level].append((y0, text)) for level in sorted(spans_by_level): spans_by_level[level].sort() print(f\n### Level {level 1}) for _, text in spans_by_level[level]: print(f- {text})逻辑说明这段脚本先把文本跨度按页、块和内容组合成键去重然后按字号分成三级再按 Y 坐标从小到大排序。输出结果就是一份简化的 Markdown 大纲Level 1 是根节点对应的一级分支Level 2 是章节Level 3 是考点。同级节点内Y 坐标越小越靠上。参数说明字号阈值 13 和 10 来自多数导图 PDF 的经验值。遇到层级超过三层的导图先跑一遍上节的脚本把实际的size分布打印出来。切分点选在字号分布的明显断层处不要硬套固定阈值。这一步会丢掉节点之间的交叉连接但保留了主干层级对考研数学来说主干结构是最高价值的部分。交叉连接可以在转成 Markdown 后手动补上[[链接]]放进 Obsidian 里维护。提示如果提取出的第一页全是乱码说明这份导图是图片型扫描件没有文本层。先用 ocrmypdf 加上文本层再回来跑这段脚本。4. 导图转 Anki 卡片公式批量成卡与去重策略4.1 卡片设计正面问题、背面答案与标签Anki 的核心机制是间隔重复但它只负责调度不负责内容质量。卡片设计得不好刷得再勤也在背废品。考研数学的卡片要遵循一个原则一张卡片只考一个考点。正面写问题或条件背面写结论或公式标签写所属章节。一个反面例子是把“泰勒公式”整段抄到一张卡上正面写“泰勒公式”背面是全部展开式。这种做法看似省事但复习时看到正面就直接翻背面大脑没有主动提取间隔重复就失效了。正确的拆法是把泰勒公式按函数拆成多张卡e^x的展开、sin(x)的展开、ln(1x)的收敛条件每张独立记忆条件不同题也不同。字段设计用三列就够了和 Anki 导入模板直接对应字段示例值说明front写出 $\sin(x)$ 的三阶麦克劳林展开问题侧back$x - \frac{x^3}{6} o(x^3)$答案侧tags考研数学::高数::无穷级数树状标签便于筛选tags 用双冒号分隔表示层级Anki 浏览器里可以直接用tag:高数筛选整条分支。4.2 生成 TSV 导入文件的脚本Anki 的卡片导入走文件对话导入 → 选择 CSV/TSV → 映射字段 → 导入。下面脚本把第 3 章生成的 Markdown 大纲中叶子节点批量变成卡片。import csv import re leaf_cards [] for node in markdown_nodes: # 来自第 3 章的层级数据 if not node[is_leaf]: continue parent node[parent] text node[text] formula re.sub(r[$#*], , text).strip() front f写出 {parent} 下的核心结论 back f[$ {formula} $] tags f考研数学::{node[chapter]}::{node[level]}级 leaf_cards.append([front, back, tags]) with open(math_cards.tsv, w, newline, encodingutf-8) as f: writer csv.writer(f, delimiter\t) writer.writerow([front, back, tags]) writer.writerows(leaf_cards)逻辑说明脚本只处理叶子节点即没有子节点的考点。父节点名称作为问题上下文公式文本作为答案主体。正则re.sub(r[$#*], , text) 去掉 Markdown 的标题符、加粗符和行内代码反引号避免导入后出现 Anki 不认识的转义字符。参数说明back f[$ {formula} $]里的[$ ... $]是 Anki 的行内 LaTeX 封装语法。块级公式用[$$...$$]但卡片背面空间有限行内公式足够。delimiter\t指定 TSV 分隔符Anki 对 Tab 分隔的兼容性最好。encodingutf-8必须有否则含中文和数学符号的卡片会乱码。node[chapter]从导图二级节点取出决定卡片挂在哪棵知识树下。4.3 三个常见坑LaTeX 公式、乱码与卡片重复第一个坑是公式渲染。Anki 默认支持 LaTeX但依赖系统里的 LaTeX 组件做渲染。导入公式卡之前先手动建一张测试卡确认渲染正常。大量导入后才发现公式不显示找问题的时间比建卡还长。注意Anki 的 LaTeX 渲染依赖系统安装的 LaTeX 工具链和数学字体。在无 LaTeX 环境的机器上公式会被原样显示为文本不会报错。先跑一张测试卡再批量导入是最有效的止损方式。第二个坑是乱码。Anki 导入 CSV 时默认按系统编码解析Windows 上可能误读成 GBK。写入文件时强制utf-8导入对话框里也手动选一次编码。公式里如果包含 ∑、μ 这类扩展 Unicode 字符还要确认字体支持否则会显示成方框。第三个坑是重复导入。导图大纲里的同一个公式可能挂在两个章节下直接生成会产生重复卡。导入前用公式文本做唯一键去重。seen_formulas set() for node in markdown_nodes: formula clean_text(node[text]) # 去掉 Markdown 标记 if formula in seen_formulas: continue # 同一公式只生成一张卡 seen_formulas.add(formula) # 生成卡片并追加到列表去重之后Anki 导入时再把重复检测设置为忽略双保险。卡片的复习价值在于精而不在多同一条知识点出现两次只会骗过 Anki 的算法让它误以为内容已经熟悉。5. 在 Obsidian 里重构导图双链、标签与复习索引5.1 从 Markdown 大纲到 Obsidian 库的文件组织第 3 章产出的 Markdown 大纲只是文本骨架。放进 Obsidian 后建议按章节一个文件而不是每个节点一个文件。考研数学的知识颗粒度在章节级一个高数章节的导图内容通常在 100 行以内单文件完全装得下。拆分过细反而破坏导图的整体感翻找文件的时间比复习时间还长。每个章节文件放进统一目录比如考研数学/高数/一元微分学.md。文件内部用二级标题对应导图的一级分支三级标题对应章节列表条目对应考点。Obsidian 的双链是这里最大的增量在高数章节里写下[[线性代数/矩阵]]两个板块的考点就串在了一起。复习一个概念时顺藤摸瓜能看到另一个板块的相关知识。5.2 用 Dataview 做考点自测和遗忘标记Obsidian 的 Dataview 插件把 Markdown 当数据库查。用它做复习追踪比 Excel 表轻量。每次自测完在对应行内加一个#遗忘标签然后用查询把需要重点复习的节点拉出来。LIST FROM 考研数学 WHERE contains(file.tags, #遗忘) SORT file.mtime DESC逻辑说明查询列出考研数学目录下所有带#遗忘标签的文件按修改时间倒序。遗忘标签的添加和查询都在笔记内部完成不需要另开复习进度表。参数说明FROM 考研数学限定目录contains(file.tags, #遗忘)过滤标签SORT file.mtime DESC让最近改过的文件排最前。想按章节分组查看改成.GROUP BY file.folder。5.3 用“考点 → 错题 → 日期”三层索引做周复盘知识库建好之后缺失的一环是错题和考点的关联。很多人的错题记录单独放在一个 App 里与笔记完全脱节复盘时对不上号。常见做法是在每个章节文件的末尾维护一张表格按考点列出错题编号和复盘日期。考点错题编号首次犯错最近复盘状态二重积分换序T421, T4552026-03-022026-03-18待复习特征值求逆矩阵T5022026-03-102026-03-17已掌握表格的“状态”从“待复习”变为“已掌握”条件是连续三次做对同类题。表格文本本身是 MarkdownObsidian 会自动渲染。放在笔记里而不是外部表格软件是因为上下文与导图在同一仓库复盘时不用来回切换应用链路最短。6. 验证导图掌握度的三个具体操作思维导图掌握到什么程度才算合格看一遍说记住了没有可操作性。用下面三个操作验证任何一个过不了就说明该重新打开导图文件。第一个操作叫默写回路。打开空白页从“高数”这个根节点开始把一级分支写出来函数连续、导数、积分、级数、微分方程。再往下一层写出每个分支下有哪些考点。写完与导图 PDF 对照漏掉超过两个考点说明这一层还没进入长期记忆。这个操作逼着你走完从根到叶的完整路径路径熟了考场上定位速度才快。第二个操作叫输出回路。随机从导图上选三个考点给自己十五分钟用口头讲解的方式说清考点内容适用条件、公式和一道典型题的完整步骤。讲不出来刚才默写还记得的知识点说明只是瞬时记忆。讲解过程录音回放时你会发现自己在哪些地方用了模糊的说法那些就是薄弱点。第三个操作是错题索引。把最近两周做错的题编号挂到对应的导图节点下统计每个节点的错题数量。数量超过三道的节点就是导图里还真正没有掌握的分支。from collections import Counter error_buckets [] # 每条错题对应一个导图节点ID for record in error_logs: error_buckets.append(record[node_id]) rank Counter(error_buckets) for node_id, count in rank.most_common(3): print(f{node_id}: {count} 道错题)三个操作循环一轮大约四十分钟。每轮重复的对象不同但流程不变默写验证结构输出验证理解错题验证应用。导图 PDF 本身只是起点真正起作用的是你在这个结构上持续建立的复习回路。本文还有配套的精品资源点击获取 考研数学思维导图PDF：从提取坐标到Anki与Obsidian的完整处理流程
简介这份《无忧数学》考研数学思维导图PDF由新东方国内大学项目事业部推出专为备考考研数学的考生设计用于解决知识点覆盖广、体系庞杂、记忆负担重等复习痛点。资源以思维导图形式系统梳理高数、线代、概率等核心模块从数值计算、代数、几何、解析几何到微积分等高等数学内容均有清晰归类每一部分突出重点与联系便于快速定位薄弱环节、建立整体知识框架。全包仅含1个PDF文件大小约146KB轻量便携既可随时在电子设备上查看也方便打印成纸质版对照复习。目前已有279人学习可作为系统复习、考前回顾与查漏补缺的高效工具帮助考生把零散知识串联成可理解、可记忆的知识网络从而提升复习效率与应试信心。1. 考研数学思维导图 PDF先有结构才有记忆考研数学的知识体量不在“难”上而在“多”上。高数、线代、概率论三本书的考点加起来超过 300 个任何一个知识点放在一道题里都可能成为失分点。《无忧数学》这类思维导图 PDF 的定位就是把几百个考点压缩成一张能按层级索引的地图。很多人下载完就放进收藏夹一页页翻下去眼睛看会了合上 PDF 脑子还是空的。问题不在资料在于使用方式太浅。面向想把静态 PDF 工程化处理的人这篇内容从提取坐标讲到建立复习闭环每一步都用免费工具能复现出错也看得到在哪一步。2. 考研数学的知识结构为什么适合思维导图2.1 三大板块的层级关系与考点密度考研数学的官方考纲把内容分成高等数学、线性代数、概率论与数理统计三大板块。数一、数二、数三之间的差异在于板块取舍数二不考概率论数一多出向量代数和空间解析几何。但无论哪个类别知识的组织方式是相同的板块 → 章节 → 考点 → 题型一共四层。以高等数学为例章节可以细分为函数极限与连续、一元函数微分学、一元函数积分学、多元函数微分学、多元函数积分学、无穷级数、常微分方程。其中极限、导数与积分是核心级数和微分方程属于高级应用。这种四层结构天然适合用树状图表达每一层都有明确的父子关系节点之间的连线有实际语义——从“导数”到“洛必达法则”的连线表示的是“当极限形式未定时考虑求导判定”。板块典型章节数高频考点密度记忆侧重高等数学89极高极限、导数、积分公式推导与条件判断线性代数56高矩阵、特征值概念定义与运算规则概率论56中分布、数字特征分布函数与定理条件考点密度的差异决定了复习时分配的注意力不同。高数需要反复推导和刷题线代需要建立概念之间的转换关系概率论则要记清楚每个分布的适用条件。思维导图的价值是在一张图上同时呈现三个板块的边界和内部层次而不会像教材目录那样把三本书割裂开。2.2 思维导图比线性笔记多出来的三个信息维度线性笔记记录了时间顺序你把内容写在本子上但翻回去时逻辑线很容易断。思维导图多出三个维度。第一是层级深度从根节点到叶子节点有多少层一眼就能看到知识展开得多细。第二是交叉连接同级节点之间有没有连线表示“这两个概念会一起考”线代里特征值和二次型之间就存在这种关联。第三是空间邻近相邻位置的知识点往往在考试里是相邻命题的导图把这种隐性的出题习惯可视化。复习时第一个信息用于定位。当你在考场上拿到“求二重积分”的题大脑需要从根节点“高数”出发走到“多元积分学”下再走到“二重积分”的计算方法。如果没有这样一条能快速走通的路径你会在记忆库中漫无目的地随机搜索每多一步焦躁失分概率就大一分。反直觉的结论是思维导图的记忆价值不在叶子节点而在索引路径。每一个公式都可以现查手册但考场上不能现查。导图提供的是一套从问题到方法的高效路由它的形状结构本身就是记忆的钩子。2.3 一份导图 PDF 的典型排版结构市面上的考研数学导图 PDF排版大致分两类整页放射型和章页列表型。《无忧数学》这类资料多用左右展开的树状结构根节点在一页中央分支向两侧伸展每个叶子节点附带一个公式或定义。这类排版对阅读友好但对后续提取不友好——PDF 里没有“节点”这个概念只有文本块和坐标。要把它变成可编辑的资料需要理解 PDF 的内部表示。每个文本跨度都带有几项关键元数据字体大小、字体名称、包围盒坐标。字体大小通常只有几档正好对应不同的层级深度。坐标则决定了节点之间的空间关系——子节点的 Y 坐标会和父节点的 Y 坐标相邻并且 X 坐标偏向两侧。能稳定提取这两项后续的层级重建就有了数据基础。3. 用 PyMuPDF 从思维导图 PDF 提取文本坐标并生成 Markdown3.1 工具选型PyMuPDF 还是 pdfplumber解析 PDF 的工具很多常见的有 PyMuPDFfitz、pdfplumber、PDFMiner 和 poppler 自带的 pdftotext。对于思维导图 PDF 这个场景核心需求是同时拿到文本内容和坐标。pdftotext 只能输出文本和粗略位置不适合做精细的节点重建。PDFMiner 功能全但 API 复杂学习成本高。我一般优先用 PyMuPDF。它的get_text(dict)接口可以一次性输出每个文本跨度、坐标和字体大小速度比 pdfplumber 快一个量级。pdfplumber 的表格提取能力更好但思维导图 PDF 里几乎没有表格这个优势派不上用场。如果遇到文字错位严重的扫描版导图文本层本身是坏的先得用 ocrmypdf 补一层 OCR 文本再交给这些工具解析。工具文本坐标字体大小表格提取解析速度PyMuPDF完整有一般快pdfplumber完整有好较慢pdftotext粗略无无快ocrmypdf生成文本层——视图量而定3.2 提取坐标与字号的最小脚本下面这段脚本可以直接运行输出 PDF 首页中每个文本跨度的坐标、字号和内容。先跑一次确认这份导图有文本层再考虑后续加工。import fitz # PyMuPDF doc fitz.open(wuyou_shuxue_map_1.pdf) page doc[0] # 第一页 for block in page.get_text(dict)[blocks][:3]: # 先看前三个块 if lines not in block: continue # 跳过图片块 for line in block[lines]: for span in line[spans]: text span[text].strip() if not text: continue x0, y0, x1, y1 span[bbox] # 包围盒四个角 size span[size] # 字体大小 print(f{x0:6.1f} {y0:6.1f} {size:4.1f} {text})逻辑说明get_text(dict)返回一个嵌套字典按页 → 块 → 行 → 跨度排列。块是页面上的语义单元通常是一段文字或一张图行是块内同一行文本跨度是行内字体样式相同的文本片段。打印坐标使用bbox的左上角(x0, y0)这是最常用的参考点后续层级推断也基于这个值。参数说明x0是文字左边缘到页面左边缘的距离y0是文字上边缘到页面顶部的距离单位是点。size是字体尺寸导图 PDF 中层级越高字体越大根节点通常在 14 以上叶子节点在 8 到 10 之间。如果看到span[font]列出的字体名是自定义嵌入字体说明这份 PDF 的制作者做过视觉定制字号阈值需要另测。3.3 按字号和 Y 坐标推断层级输出 Markdown有了坐标和字号下一步做层级判断。严格的做法是提取导图中的连接线通过线段端点找到父子节点但大部分导图 PDF 的连线是曲线路径从 PDF 内部还原路径的语义工作量很大。常见做法是用字号分组再用 Y 坐标做局部排序得到一个近似的大纲结构。from collections import defaultdict import fitz doc fitz.open(wuyou_shuxue_map_1.pdf) spans_by_level defaultdict(list) seen set() for page_num in range(len(doc)): page doc[page_num] for block_idx, block in enumerate(page.get_text(dict)[blocks]): if lines not in block: continue for line in block[lines]: for span in line[spans]: text span[text].strip() if not text: continue key (page_num, block_idx, text) if key in seen: continue # 同页同块同文本视为重复 seen.add(key) size span[size] y0 span[bbox][1] if size 13: level 0 elif size 10: level 1 else: level 2 spans_by_level[level].append((y0, text)) for level in sorted(spans_by_level): spans_by_level[level].sort() print(f\n### Level {level 1}) for _, text in spans_by_level[level]: print(f- {text})逻辑说明这段脚本先把文本跨度按页、块和内容组合成键去重然后按字号分成三级再按 Y 坐标从小到大排序。输出结果就是一份简化的 Markdown 大纲Level 1 是根节点对应的一级分支Level 2 是章节Level 3 是考点。同级节点内Y 坐标越小越靠上。参数说明字号阈值 13 和 10 来自多数导图 PDF 的经验值。遇到层级超过三层的导图先跑一遍上节的脚本把实际的size分布打印出来。切分点选在字号分布的明显断层处不要硬套固定阈值。这一步会丢掉节点之间的交叉连接但保留了主干层级对考研数学来说主干结构是最高价值的部分。交叉连接可以在转成 Markdown 后手动补上[[链接]]放进 Obsidian 里维护。提示如果提取出的第一页全是乱码说明这份导图是图片型扫描件没有文本层。先用 ocrmypdf 加上文本层再回来跑这段脚本。4. 导图转 Anki 卡片公式批量成卡与去重策略4.1 卡片设计正面问题、背面答案与标签Anki 的核心机制是间隔重复但它只负责调度不负责内容质量。卡片设计得不好刷得再勤也在背废品。考研数学的卡片要遵循一个原则一张卡片只考一个考点。正面写问题或条件背面写结论或公式标签写所属章节。一个反面例子是把“泰勒公式”整段抄到一张卡上正面写“泰勒公式”背面是全部展开式。这种做法看似省事但复习时看到正面就直接翻背面大脑没有主动提取间隔重复就失效了。正确的拆法是把泰勒公式按函数拆成多张卡e^x的展开、sin(x)的展开、ln(1x)的收敛条件每张独立记忆条件不同题也不同。字段设计用三列就够了和 Anki 导入模板直接对应字段示例值说明front写出 $\sin(x)$ 的三阶麦克劳林展开问题侧back$x - \frac{x^3}{6} o(x^3)$答案侧tags考研数学::高数::无穷级数树状标签便于筛选tags 用双冒号分隔表示层级Anki 浏览器里可以直接用tag:高数筛选整条分支。4.2 生成 TSV 导入文件的脚本Anki 的卡片导入走文件对话导入 → 选择 CSV/TSV → 映射字段 → 导入。下面脚本把第 3 章生成的 Markdown 大纲中叶子节点批量变成卡片。import csv import re leaf_cards [] for node in markdown_nodes: # 来自第 3 章的层级数据 if not node[is_leaf]: continue parent node[parent] text node[text] formula re.sub(r[$#*], , text).strip() front f写出 {parent} 下的核心结论 back f[$ {formula} $] tags f考研数学::{node[chapter]}::{node[level]}级 leaf_cards.append([front, back, tags]) with open(math_cards.tsv, w, newline, encodingutf-8) as f: writer csv.writer(f, delimiter\t) writer.writerow([front, back, tags]) writer.writerows(leaf_cards)逻辑说明脚本只处理叶子节点即没有子节点的考点。父节点名称作为问题上下文公式文本作为答案主体。正则re.sub(r[$#*], , text) 去掉 Markdown 的标题符、加粗符和行内代码反引号避免导入后出现 Anki 不认识的转义字符。参数说明back f[$ {formula} $]里的[$ ... $]是 Anki 的行内 LaTeX 封装语法。块级公式用[$$...$$]但卡片背面空间有限行内公式足够。delimiter\t指定 TSV 分隔符Anki 对 Tab 分隔的兼容性最好。encodingutf-8必须有否则含中文和数学符号的卡片会乱码。node[chapter]从导图二级节点取出决定卡片挂在哪棵知识树下。4.3 三个常见坑LaTeX 公式、乱码与卡片重复第一个坑是公式渲染。Anki 默认支持 LaTeX但依赖系统里的 LaTeX 组件做渲染。导入公式卡之前先手动建一张测试卡确认渲染正常。大量导入后才发现公式不显示找问题的时间比建卡还长。注意Anki 的 LaTeX 渲染依赖系统安装的 LaTeX 工具链和数学字体。在无 LaTeX 环境的机器上公式会被原样显示为文本不会报错。先跑一张测试卡再批量导入是最有效的止损方式。第二个坑是乱码。Anki 导入 CSV 时默认按系统编码解析Windows 上可能误读成 GBK。写入文件时强制utf-8导入对话框里也手动选一次编码。公式里如果包含 ∑、μ 这类扩展 Unicode 字符还要确认字体支持否则会显示成方框。第三个坑是重复导入。导图大纲里的同一个公式可能挂在两个章节下直接生成会产生重复卡。导入前用公式文本做唯一键去重。seen_formulas set() for node in markdown_nodes: formula clean_text(node[text]) # 去掉 Markdown 标记 if formula in seen_formulas: continue # 同一公式只生成一张卡 seen_formulas.add(formula) # 生成卡片并追加到列表去重之后Anki 导入时再把重复检测设置为忽略双保险。卡片的复习价值在于精而不在多同一条知识点出现两次只会骗过 Anki 的算法让它误以为内容已经熟悉。5. 在 Obsidian 里重构导图双链、标签与复习索引5.1 从 Markdown 大纲到 Obsidian 库的文件组织第 3 章产出的 Markdown 大纲只是文本骨架。放进 Obsidian 后建议按章节一个文件而不是每个节点一个文件。考研数学的知识颗粒度在章节级一个高数章节的导图内容通常在 100 行以内单文件完全装得下。拆分过细反而破坏导图的整体感翻找文件的时间比复习时间还长。每个章节文件放进统一目录比如考研数学/高数/一元微分学.md。文件内部用二级标题对应导图的一级分支三级标题对应章节列表条目对应考点。Obsidian 的双链是这里最大的增量在高数章节里写下[[线性代数/矩阵]]两个板块的考点就串在了一起。复习一个概念时顺藤摸瓜能看到另一个板块的相关知识。5.2 用 Dataview 做考点自测和遗忘标记Obsidian 的 Dataview 插件把 Markdown 当数据库查。用它做复习追踪比 Excel 表轻量。每次自测完在对应行内加一个#遗忘标签然后用查询把需要重点复习的节点拉出来。LIST FROM 考研数学 WHERE contains(file.tags, #遗忘) SORT file.mtime DESC逻辑说明查询列出考研数学目录下所有带#遗忘标签的文件按修改时间倒序。遗忘标签的添加和查询都在笔记内部完成不需要另开复习进度表。参数说明FROM 考研数学限定目录contains(file.tags, #遗忘)过滤标签SORT file.mtime DESC让最近改过的文件排最前。想按章节分组查看改成.GROUP BY file.folder。5.3 用“考点 → 错题 → 日期”三层索引做周复盘知识库建好之后缺失的一环是错题和考点的关联。很多人的错题记录单独放在一个 App 里与笔记完全脱节复盘时对不上号。常见做法是在每个章节文件的末尾维护一张表格按考点列出错题编号和复盘日期。考点错题编号首次犯错最近复盘状态二重积分换序T421, T4552026-03-022026-03-18待复习特征值求逆矩阵T5022026-03-102026-03-17已掌握表格的“状态”从“待复习”变为“已掌握”条件是连续三次做对同类题。表格文本本身是 MarkdownObsidian 会自动渲染。放在笔记里而不是外部表格软件是因为上下文与导图在同一仓库复盘时不用来回切换应用链路最短。6. 验证导图掌握度的三个具体操作思维导图掌握到什么程度才算合格看一遍说记住了没有可操作性。用下面三个操作验证任何一个过不了就说明该重新打开导图文件。第一个操作叫默写回路。打开空白页从“高数”这个根节点开始把一级分支写出来函数连续、导数、积分、级数、微分方程。再往下一层写出每个分支下有哪些考点。写完与导图 PDF 对照漏掉超过两个考点说明这一层还没进入长期记忆。这个操作逼着你走完从根到叶的完整路径路径熟了考场上定位速度才快。第二个操作叫输出回路。随机从导图上选三个考点给自己十五分钟用口头讲解的方式说清考点内容适用条件、公式和一道典型题的完整步骤。讲不出来刚才默写还记得的知识点说明只是瞬时记忆。讲解过程录音回放时你会发现自己在哪些地方用了模糊的说法那些就是薄弱点。第三个操作是错题索引。把最近两周做错的题编号挂到对应的导图节点下统计每个节点的错题数量。数量超过三道的节点就是导图里还真正没有掌握的分支。from collections import Counter error_buckets [] # 每条错题对应一个导图节点ID for record in error_logs: error_buckets.append(record[node_id]) rank Counter(error_buckets) for node_id, count in rank.most_common(3): print(f{node_id}: {count} 道错题)三个操作循环一轮大约四十分钟。每轮重复的对象不同但流程不变默写验证结构输出验证理解错题验证应用。导图 PDF 本身只是起点真正起作用的是你在这个结构上持续建立的复习回路。本文还有配套的精品资源点击获取