简介jMetrik 是一款面向心理测量与教育统计领域的免费开源程序采用纯 Java 实现带有集成数据库和直观界面覆盖经典测验理论、项目反应理论等统计过程与图表输出既适合新手通过菜单快速上手也便于有经验者编写命令文件批量执行分析。资源包为 zip 压缩包共 344 个文件以 332 个 Java 源码文件为主体另含少量 PNG 图标、XML 配置、JAR 清单、Markdown 说明与 License 许可文件包体约 814KB代码规模轻量但结构清晰。目前已有 276 人浏览学习适合 Java 桌面开发者和心理测量研究者研读参考。通过源码可学习 jMetrik 在数据库通用存取、IRT 项目校准/链接/计分、图形配置面板等方面的模块设计对二次开发或学术实验复现具有直接帮助配套说明文件也有助于快速理解构建规范与许可约束。 做测评和量表分析的同行这两年估计跟我有同感软件选择这件事比统计方法本身更折腾。学校买的SPSS能做描述统计和因子分析但到了项目反应理论IRT这块基本帮不上忙Winsteps、Mplus这类专业工具确实强可授权费用和操作系统绑定让人头疼开源社区里R的mirt包功能全面但让课题组里不写代码的教研员去敲命令行实在太难了。我第一次用JMetrik就是在这种工具断档的背景之下。JMetrik是一个用纯Java开发的心理测量分析程序它的核心目标很清晰不依赖商业授权、不绑定操作系统、不要求使用者掌握编程就能完成从经典测量理论CTT到项目反应理论IRT、探索性因子分析EFA、题目功能差异DIF检测这一整套测量分析工作流。我在这篇文章里会结合自己的实际使用经历讲清楚它到底能干什么、上手时需要避开哪些坑以及为什么纯Java这个技术选型反而是它最大的优点之一。1. 为什么测量研究者的工具库里需要它1.1 商业授权、平台绑定与命令行门槛的夹缝心理测量这个领域的软件生态其实一直存在一个断层。通用统计软件SPSS、SAS、Stata能覆盖基础分析但测量学专用的参数估计、DIF检验、测验等值功能却常常缺失专用测量软件Winsteps、BILOG-MG、Mplus功能强大却往往按年订阅、价格不低而且部分工具只有Windows版本在Mac和Linux环境下的支持比较弱。对于学生和资金有限的课题组来说这个断层非常现实。另一个断层出现在开源方案上。R语言中的mirt、ltm、psych等包是现代测量研究的主流选择功能甚至比许多商业软件更丰富。但R的工作方式以脚本和函数调用为主想要完整跑一条“数据导入→模型拟合→图表输出→批量报表”的流程需要一定的编程能力。很多从事一线教育测评的老师真正需要的其实是一个“打开就能用”的图形化工具JMetrik正好补上了这个位置。1.2 一个jar包就能跑技术选型背后的现实考量我后来特意看了一下JMetrik的项目介绍它在首页和论文里都强调自己是“纯Java应用程序”。这个标签看起来只是技术细节实际上决定了工具的分发和使用方式。Java应用编译产出的是跨平台的字节码同一份jar包可以原样运行在Windows、macOS和Linux上这对一个维护人力有限的学术项目来说是性价比最高的分发策略。对普通用户而言这意味着不需要安装Python环境、不需要折腾RStudio、也不需要为不同操作系统下载不同的安装包。只要机器上有Java运行时双击jar包或执行一行java -jar命令就能打开图形界面。这一点也让JMetrik非常适合放在实验室共享服务器或机构电脑上不同系统的机器都能统一使用不用为每个人的电脑环境单独适配。2. 功能版图拆解从信度分析到IRT建模都覆盖了什么2.1 经典测量理论模块不止是信度系数先来说大多数人最早用到的CTT分析。JMetrik的Classical Item Analysis模块会输出一套相当完整的指标每题难度通过率、标准差、点二列相关、修正题总相关、删除该题后的alpha值以及每个选项的被选频次和比例。这些指标组合在一起能回答一个很实际的问题——这份量表里哪道题在拖后腿我印象很深的一次应用是帮某课题组审核一份职业倦怠量表。只看Cronbach‘s alpha是0.89看起来不错但打开JMetrik输出的选项频次表后发现有一道反向计分题的选项分布严重偏斜近70%的人都选了同一个选项。顺着这个线索查下去发现是问卷排版时把反向计分题的题干复制错了。这种问题在只跑内部一致性系数的流程里几乎不可能被发现而JMetrik把频次表放在输出项里顺手就定位了。2.2 IRT模块从二级计分到多级计分的模型选择IRT部分是目前JMetrik最常被提到的核心功能。它支持二级计分测验常用的2PL、3PL模型也支持Rasch模型多级计分方面支持分级响应模型GRM和广义部分计分模型GPCM。参数估计采用边际最大似然MML配合EM算法的方案输出的参数包含难度、区分度、标准误、信息量和ICC曲线数据。这里有一个实用提醒模型估计不能盲目选3PL。3PL中的猜测参数c对应的是选择题完全靠猜答对的概率如果用在态度量表或论文式测验上参数估计极易出现边界问题也就是“不收敛”或“区分度异常大”。更稳妥的做法是先用2PL或Rasch模型跑通流程确认数据质量和样本量之后再判断是否需要引入额外的猜测参数。2.3 因子分析与DIF检测经常被低估的加分项JMetrik内置的探索性因子分析EFA模块支持主成分和主轴因子等提取方法支持varimax和promax旋转并输出KMO与Bartlett球形检验。对于一份新编制问卷的结构效度初探来说这些功能已经足够不会比SPSS里的因子分析输出差太多。所有结果都以文本和图表形式保存方便直接归档。DIF题目功能差异分析模块则支持Mantel-Haenszel方法和Logistic回归方法。它解决的问题是在同一道题目上不同群体比如男生和女生、实验组和对照组在控制整体能力水平后是否存在系统性偏差。JMetrik会给出每道题的DIF显著性检验和效应量分级这在测验公平性分析、题库建设中是非常实用的能力。我自己的题库项目里每一次入库题目都会跑一遍DIF检测避免题目对不同群体产生不公平待遇。3. 从零跑通一个IRT分析我常用的操作链路3.1 准备数据变量属性这一步别跳过使用JMetrik的第一步是导入数据它支持CSV、TXT以及SPSS格式。这里必须先说一个很多人会忽略的点数据导入后界面左侧会有一个变量属性定义区你必须为每个变量指定测量类型——连续变量Continuous、二元变量Dichotomous、有序分类变量Polytomous。如果没有正确定义变量属性后续进入IRT分析时参数估计可能直接报错或者输出结果与预期完全不符。我现在的标准流程是提前在Excel里把数据整理成“一行一个被试、一列一个题目”的宽表变量名用英文或拼音另存为UTF-8 CSV导入后在JMetrik里逐列核对类型把作答题目统一标记为对应的分类变量人口学变量标记为连续或分类变量。整个过程大约五分钟但能避免后面无数麻烦。3.2 模型估计参数设置与样本量参考进入IRT分析界面后需要选择的参数包括模型2PL/3PL/GRM/GPCM、估计方法、最大迭代次数和收敛标准。关于迭代次数我见过不少人在模型不收敛时手足无措其实先把最大迭代次数从默认的100提高到500往往就能解决问题。对于样本量我的经验参考值是二级计分模型下至少300人多级计分模型下至少500人如果涉及3PL最好保证1000人以上。这个建议不绝对但作为入门判断很实用。模型拟合完成后JMetrik会提供对数似然值、AIC/BIC等信息方便在多模型之间比较。我通常的做法是先跑2PL作为基线再跑GRM或GPCM最后比较信息指标来选择最终模型。这个过程看起来多花了些时间但能避免直接选择“看起来更高级”的模型而踩到收敛陷阱。3.3 结果文件参数表格、ICC和后续出图JMetrik的结果输出是文本文件加图表文件的形式。文本文件不仅包含参数估计表还会包含模型运行的收敛状态、迭代历史等信息。直接阅读这个文本文件可能不太方便我建议把参数表另存为CSV再导入Excel或R做进一步整理。至于ICC项目特征曲线和IIF项目信息函数图JMetrik可以输出PNG格式的图片适合快速预览。但如果是要投稿论文我更推荐用R里的ggplot2重绘一套因为那样更容易统一字体、线宽和配色符合期刊对图表的排版要求。JMetrik导出的参数文件本身就是很好的输入数据重绘并不费劲。4. 部署细节纯Java应用如何在高负载场景下保持稳定4.1 图形界面与命令行批处理两种启动方式JMetrik的日常使用大多通过图形界面完成但如果你需要批量分析几十份数据或者把分析流程嵌入定时任务命令行模式就更合适。典型的图形界面启动命令如下java -jar JMetrik.jar如果需要开启命令行批处理JMetrik支持通过脚本文件XML格式驱动整个分析流程。官方文档对脚本语法有说明而且在图形界面里做的每一步操作都能被记录并导出为脚本。这一点对复现研究特别有用——你把操作步骤保存成脚本后换一台机器、换一批数据执行同一个脚本就能得到完全可复现的结果。4.2 大数据量下的内存调优纯Java应用在实际使用中最大的约束往往是JVM内存。JVM默认的堆内存上限通常是物理内存的四分之一这在处理几万样本、上百题目的数据时很容易触发OutOfMemoryError。解决办法是在启动命令中显式指定堆内存大小java -Xmx4g -jar JMetrik.jar我处理过一份约12万行、100个变量的测评数据在默认内存下运行IRT估计时频繁报错把堆内存上限调到6GB后估计过程稳定完成耗时大约十几分钟。因此我建议所有需要处理批量数据的读者不要在启动时省略-Xmx参数宁可一开始多给一些内存也不要在分析中途被异常中断。4.3 插件扩展面向课题组自研算法的设计JMetrik采用模块化和插件化架构核心分析功能都以模块的形式组织外部开发者可以按照规范编写新算法并打包成jar放入插件目录。这意味着课题组可以把自己编写的内部算法集成到JMetrik工作流中而不是另起炉灶开发一套新工具。从技术角度看它鼓励的是一种“核心稳定、外延开放”的生态模式对学术软件来说这种设计思路非常符合实际需求。当然插件开发要求你熟悉Java和JMetrik内部的数据模型门槛比“使用工具”高出不少。但如果你正好是会Java的测量研究者这个扩展口设计绝对值得研究——它意味着你不需要再从零搭建数据读写、结果输出和图形绘制的基础设施只需要专注算法本身。5. 使用JMetrik这一年我总结的避坑与建议5.1 中文数据导出编码问题的一次性解决JMetrik在读取CSV时会按照系统默认字符集解析。在中文Windows环境下如果CSV是用UTF-8编码保存的打开后表头可能变成乱码。我的统一做法是所有CSV导出时选择UTF-8 with BOM编码文件中涉及中文的内容尽量放到变量标签字段变量名本身用英文。按这个规则处理后基本没有再出现乱码问题。macOS和Linux下则可以直接用UTF-8。5.2 模型不收敛时的排查顺序IRT模型不收敛是我被问得最多的问题基本上逃不开四个原因第一数据里存在全对或全错的题目这类题目对参数估计毫无贡献先把它们剔除第二样本量不足特别是多级计分模型每道题有多个阈值要估样本量不够很难收敛第三模型过于复杂数据本来是态度量表非要用3PL加猜测参数大概率出问题第四极端类别样本过少某一题的某一个选项只有几个人选择参数估计会极不稳定需要合并相邻类别。按照这个顺序逐一排查绝大多数不收敛问题都能解决。JMetrik的日志输出里会保留迭代过程看到“Maximum iterations exceeded”这类提示时不要急着加迭代次数先回头检查数据才是正路。加迭代次数只是治标数据质量问题才是根源。5.3 一个可供参考的工具组合最后分享一个我在实际项目中沉淀下来的工具组合方案供参考使用场景推荐组合快速做数据审核与课堂测验分析JMetrik CTT模块 Excel论文级IRT参数估计JMetrik IRT模块 R(mirt)复核大批量测评数据批处理JMetrik命令行 脚本文件问卷结构效度检验JMetrik EFA模块 SPSS交叉验证自研算法集成JMetrik插件目录 Java开发这套组合的核心思路很简单JMetrik负责把“打开即用”的活干好R和SPSS等工具负责在你需要更复杂分析或更精细图表时补位。工具之间并不冲突关键是找到最适合当前任务的那一个。我现在拿到一份新数据第一反应就是先用JMetrik做数据检查和初跑发现问题后再决定要不要上更重的分析方案。本文还有配套的精品资源点击获取 JMetrik：纯Java打造的心理测量与IRT分析利器
简介jMetrik 是一款面向心理测量与教育统计领域的免费开源程序采用纯 Java 实现带有集成数据库和直观界面覆盖经典测验理论、项目反应理论等统计过程与图表输出既适合新手通过菜单快速上手也便于有经验者编写命令文件批量执行分析。资源包为 zip 压缩包共 344 个文件以 332 个 Java 源码文件为主体另含少量 PNG 图标、XML 配置、JAR 清单、Markdown 说明与 License 许可文件包体约 814KB代码规模轻量但结构清晰。目前已有 276 人浏览学习适合 Java 桌面开发者和心理测量研究者研读参考。通过源码可学习 jMetrik 在数据库通用存取、IRT 项目校准/链接/计分、图形配置面板等方面的模块设计对二次开发或学术实验复现具有直接帮助配套说明文件也有助于快速理解构建规范与许可约束。 做测评和量表分析的同行这两年估计跟我有同感软件选择这件事比统计方法本身更折腾。学校买的SPSS能做描述统计和因子分析但到了项目反应理论IRT这块基本帮不上忙Winsteps、Mplus这类专业工具确实强可授权费用和操作系统绑定让人头疼开源社区里R的mirt包功能全面但让课题组里不写代码的教研员去敲命令行实在太难了。我第一次用JMetrik就是在这种工具断档的背景之下。JMetrik是一个用纯Java开发的心理测量分析程序它的核心目标很清晰不依赖商业授权、不绑定操作系统、不要求使用者掌握编程就能完成从经典测量理论CTT到项目反应理论IRT、探索性因子分析EFA、题目功能差异DIF检测这一整套测量分析工作流。我在这篇文章里会结合自己的实际使用经历讲清楚它到底能干什么、上手时需要避开哪些坑以及为什么纯Java这个技术选型反而是它最大的优点之一。1. 为什么测量研究者的工具库里需要它1.1 商业授权、平台绑定与命令行门槛的夹缝心理测量这个领域的软件生态其实一直存在一个断层。通用统计软件SPSS、SAS、Stata能覆盖基础分析但测量学专用的参数估计、DIF检验、测验等值功能却常常缺失专用测量软件Winsteps、BILOG-MG、Mplus功能强大却往往按年订阅、价格不低而且部分工具只有Windows版本在Mac和Linux环境下的支持比较弱。对于学生和资金有限的课题组来说这个断层非常现实。另一个断层出现在开源方案上。R语言中的mirt、ltm、psych等包是现代测量研究的主流选择功能甚至比许多商业软件更丰富。但R的工作方式以脚本和函数调用为主想要完整跑一条“数据导入→模型拟合→图表输出→批量报表”的流程需要一定的编程能力。很多从事一线教育测评的老师真正需要的其实是一个“打开就能用”的图形化工具JMetrik正好补上了这个位置。1.2 一个jar包就能跑技术选型背后的现实考量我后来特意看了一下JMetrik的项目介绍它在首页和论文里都强调自己是“纯Java应用程序”。这个标签看起来只是技术细节实际上决定了工具的分发和使用方式。Java应用编译产出的是跨平台的字节码同一份jar包可以原样运行在Windows、macOS和Linux上这对一个维护人力有限的学术项目来说是性价比最高的分发策略。对普通用户而言这意味着不需要安装Python环境、不需要折腾RStudio、也不需要为不同操作系统下载不同的安装包。只要机器上有Java运行时双击jar包或执行一行java -jar命令就能打开图形界面。这一点也让JMetrik非常适合放在实验室共享服务器或机构电脑上不同系统的机器都能统一使用不用为每个人的电脑环境单独适配。2. 功能版图拆解从信度分析到IRT建模都覆盖了什么2.1 经典测量理论模块不止是信度系数先来说大多数人最早用到的CTT分析。JMetrik的Classical Item Analysis模块会输出一套相当完整的指标每题难度通过率、标准差、点二列相关、修正题总相关、删除该题后的alpha值以及每个选项的被选频次和比例。这些指标组合在一起能回答一个很实际的问题——这份量表里哪道题在拖后腿我印象很深的一次应用是帮某课题组审核一份职业倦怠量表。只看Cronbach‘s alpha是0.89看起来不错但打开JMetrik输出的选项频次表后发现有一道反向计分题的选项分布严重偏斜近70%的人都选了同一个选项。顺着这个线索查下去发现是问卷排版时把反向计分题的题干复制错了。这种问题在只跑内部一致性系数的流程里几乎不可能被发现而JMetrik把频次表放在输出项里顺手就定位了。2.2 IRT模块从二级计分到多级计分的模型选择IRT部分是目前JMetrik最常被提到的核心功能。它支持二级计分测验常用的2PL、3PL模型也支持Rasch模型多级计分方面支持分级响应模型GRM和广义部分计分模型GPCM。参数估计采用边际最大似然MML配合EM算法的方案输出的参数包含难度、区分度、标准误、信息量和ICC曲线数据。这里有一个实用提醒模型估计不能盲目选3PL。3PL中的猜测参数c对应的是选择题完全靠猜答对的概率如果用在态度量表或论文式测验上参数估计极易出现边界问题也就是“不收敛”或“区分度异常大”。更稳妥的做法是先用2PL或Rasch模型跑通流程确认数据质量和样本量之后再判断是否需要引入额外的猜测参数。2.3 因子分析与DIF检测经常被低估的加分项JMetrik内置的探索性因子分析EFA模块支持主成分和主轴因子等提取方法支持varimax和promax旋转并输出KMO与Bartlett球形检验。对于一份新编制问卷的结构效度初探来说这些功能已经足够不会比SPSS里的因子分析输出差太多。所有结果都以文本和图表形式保存方便直接归档。DIF题目功能差异分析模块则支持Mantel-Haenszel方法和Logistic回归方法。它解决的问题是在同一道题目上不同群体比如男生和女生、实验组和对照组在控制整体能力水平后是否存在系统性偏差。JMetrik会给出每道题的DIF显著性检验和效应量分级这在测验公平性分析、题库建设中是非常实用的能力。我自己的题库项目里每一次入库题目都会跑一遍DIF检测避免题目对不同群体产生不公平待遇。3. 从零跑通一个IRT分析我常用的操作链路3.1 准备数据变量属性这一步别跳过使用JMetrik的第一步是导入数据它支持CSV、TXT以及SPSS格式。这里必须先说一个很多人会忽略的点数据导入后界面左侧会有一个变量属性定义区你必须为每个变量指定测量类型——连续变量Continuous、二元变量Dichotomous、有序分类变量Polytomous。如果没有正确定义变量属性后续进入IRT分析时参数估计可能直接报错或者输出结果与预期完全不符。我现在的标准流程是提前在Excel里把数据整理成“一行一个被试、一列一个题目”的宽表变量名用英文或拼音另存为UTF-8 CSV导入后在JMetrik里逐列核对类型把作答题目统一标记为对应的分类变量人口学变量标记为连续或分类变量。整个过程大约五分钟但能避免后面无数麻烦。3.2 模型估计参数设置与样本量参考进入IRT分析界面后需要选择的参数包括模型2PL/3PL/GRM/GPCM、估计方法、最大迭代次数和收敛标准。关于迭代次数我见过不少人在模型不收敛时手足无措其实先把最大迭代次数从默认的100提高到500往往就能解决问题。对于样本量我的经验参考值是二级计分模型下至少300人多级计分模型下至少500人如果涉及3PL最好保证1000人以上。这个建议不绝对但作为入门判断很实用。模型拟合完成后JMetrik会提供对数似然值、AIC/BIC等信息方便在多模型之间比较。我通常的做法是先跑2PL作为基线再跑GRM或GPCM最后比较信息指标来选择最终模型。这个过程看起来多花了些时间但能避免直接选择“看起来更高级”的模型而踩到收敛陷阱。3.3 结果文件参数表格、ICC和后续出图JMetrik的结果输出是文本文件加图表文件的形式。文本文件不仅包含参数估计表还会包含模型运行的收敛状态、迭代历史等信息。直接阅读这个文本文件可能不太方便我建议把参数表另存为CSV再导入Excel或R做进一步整理。至于ICC项目特征曲线和IIF项目信息函数图JMetrik可以输出PNG格式的图片适合快速预览。但如果是要投稿论文我更推荐用R里的ggplot2重绘一套因为那样更容易统一字体、线宽和配色符合期刊对图表的排版要求。JMetrik导出的参数文件本身就是很好的输入数据重绘并不费劲。4. 部署细节纯Java应用如何在高负载场景下保持稳定4.1 图形界面与命令行批处理两种启动方式JMetrik的日常使用大多通过图形界面完成但如果你需要批量分析几十份数据或者把分析流程嵌入定时任务命令行模式就更合适。典型的图形界面启动命令如下java -jar JMetrik.jar如果需要开启命令行批处理JMetrik支持通过脚本文件XML格式驱动整个分析流程。官方文档对脚本语法有说明而且在图形界面里做的每一步操作都能被记录并导出为脚本。这一点对复现研究特别有用——你把操作步骤保存成脚本后换一台机器、换一批数据执行同一个脚本就能得到完全可复现的结果。4.2 大数据量下的内存调优纯Java应用在实际使用中最大的约束往往是JVM内存。JVM默认的堆内存上限通常是物理内存的四分之一这在处理几万样本、上百题目的数据时很容易触发OutOfMemoryError。解决办法是在启动命令中显式指定堆内存大小java -Xmx4g -jar JMetrik.jar我处理过一份约12万行、100个变量的测评数据在默认内存下运行IRT估计时频繁报错把堆内存上限调到6GB后估计过程稳定完成耗时大约十几分钟。因此我建议所有需要处理批量数据的读者不要在启动时省略-Xmx参数宁可一开始多给一些内存也不要在分析中途被异常中断。4.3 插件扩展面向课题组自研算法的设计JMetrik采用模块化和插件化架构核心分析功能都以模块的形式组织外部开发者可以按照规范编写新算法并打包成jar放入插件目录。这意味着课题组可以把自己编写的内部算法集成到JMetrik工作流中而不是另起炉灶开发一套新工具。从技术角度看它鼓励的是一种“核心稳定、外延开放”的生态模式对学术软件来说这种设计思路非常符合实际需求。当然插件开发要求你熟悉Java和JMetrik内部的数据模型门槛比“使用工具”高出不少。但如果你正好是会Java的测量研究者这个扩展口设计绝对值得研究——它意味着你不需要再从零搭建数据读写、结果输出和图形绘制的基础设施只需要专注算法本身。5. 使用JMetrik这一年我总结的避坑与建议5.1 中文数据导出编码问题的一次性解决JMetrik在读取CSV时会按照系统默认字符集解析。在中文Windows环境下如果CSV是用UTF-8编码保存的打开后表头可能变成乱码。我的统一做法是所有CSV导出时选择UTF-8 with BOM编码文件中涉及中文的内容尽量放到变量标签字段变量名本身用英文。按这个规则处理后基本没有再出现乱码问题。macOS和Linux下则可以直接用UTF-8。5.2 模型不收敛时的排查顺序IRT模型不收敛是我被问得最多的问题基本上逃不开四个原因第一数据里存在全对或全错的题目这类题目对参数估计毫无贡献先把它们剔除第二样本量不足特别是多级计分模型每道题有多个阈值要估样本量不够很难收敛第三模型过于复杂数据本来是态度量表非要用3PL加猜测参数大概率出问题第四极端类别样本过少某一题的某一个选项只有几个人选择参数估计会极不稳定需要合并相邻类别。按照这个顺序逐一排查绝大多数不收敛问题都能解决。JMetrik的日志输出里会保留迭代过程看到“Maximum iterations exceeded”这类提示时不要急着加迭代次数先回头检查数据才是正路。加迭代次数只是治标数据质量问题才是根源。5.3 一个可供参考的工具组合最后分享一个我在实际项目中沉淀下来的工具组合方案供参考使用场景推荐组合快速做数据审核与课堂测验分析JMetrik CTT模块 Excel论文级IRT参数估计JMetrik IRT模块 R(mirt)复核大批量测评数据批处理JMetrik命令行 脚本文件问卷结构效度检验JMetrik EFA模块 SPSS交叉验证自研算法集成JMetrik插件目录 Java开发这套组合的核心思路很简单JMetrik负责把“打开即用”的活干好R和SPSS等工具负责在你需要更复杂分析或更精细图表时补位。工具之间并不冲突关键是找到最适合当前任务的那一个。我现在拿到一份新数据第一反应就是先用JMetrik做数据检查和初跑发现问题后再决定要不要上更重的分析方案。本文还有配套的精品资源点击获取