3步搭建专属竞赛数据库:OIerDb完整部署指南
想要快速搭建一个专业的竞赛选手数据库吗?OIerDb作为中国信息学竞赛选手的权威数据库,提供了完整的开源解决方案。无论你是学校老师、竞赛教练还是编程爱好者,都能通过这个免费工具快速创建自己的选手信息管理系统。
什么是OIerDb?
OIerDb是一个专门为中国信息学奥林匹克竞赛(OI)选手设计的数据库系统。它收集整理了历年来各类重要竞赛的获奖数据,包括NOI、CTSC、APIO、WC等权威赛事。这个项目最大的优势在于其高度可定制性,你可以轻松将其改造为任何学科竞赛的获奖数据库。
该系统采用PHP+MySQL技术架构,提供了完整的Web界面,支持选手信息查询、学校排名统计、数据可视化展示等功能。
快速部署步骤
第一步:环境准备与源码获取
首先确保你的服务器环境支持PHP和MySQL。然后通过以下命令获取项目源码:
git clone https://gitcode.com/gh_mirrors/oi/OIer
第二步:数据导入与配置
项目的数据处理流程非常清晰:
数据源文件:
model/data.txt- 包含所有获奖记录的CSV格式数据model/school_oped.txt- 学校合并信息及省份归属
核心处理脚本:
model/new_merger.py- 数据合并器,从原始数据生成标准格式model/school_merger_location.py- 学校地理位置处理工具
运行数据处理脚本:
cd model
python3 new_merger.py
第三步:Web服务配置
将on_server目录下的文件部署到你的Web服务器:
index.html- 主页面search.php- 选手查询接口school.php- 学校信息查询rank.php- 排名展示页面
配置数据库连接信息,将生成的CSV数据导入MySQL数据库,即可完成部署。
核心功能特色
智能数据整合
系统内置了强大的学校名称合并功能,能够自动识别同一所学校的不同名称变体。比如"江苏省苏州中学"、"江苏省苏州中学校"、"苏州中学"都会被正确归类。
多维排名系统
OIerDb采用科学的评分算法,综合考虑了比赛类型、年份、排名等多个因素:
- 比赛权重:NOI(1.0)、NOI D类(0.75)、CTSC(0.6)、WC(0.5)、APIO(0.4)
- 时间衰减:越近的比赛成绩权重越高
- 排名转换:根据参赛人数动态调整分数计算
完整可视化展示
系统提供了丰富的数据可视化功能:
- 选手个人成绩趋势图
- 学校历年获奖统计
- 地区竞赛实力分析
实际应用场景
学校教学管理 教师可以通过系统追踪学生的竞赛成长轨迹,为教学规划提供数据支持。
竞赛培训参考 培训机构和教练可以分析历年获奖数据,制定更有针对性的训练方案。
个人学习规划 学生可以查询前辈的成长路径,为自己制定合理的学习目标。
数据覆盖范围
系统包含了2009年至今的完整竞赛数据:
- NOI全国信息学奥林匹克竞赛
- CTSC国际信息学奥林匹克中国队选拔赛
- APIO亚洲与太平洋地区信息学奥林匹克
- WC全国青少年信息学奥林匹克冬令营
- NOIP全国青少年信息学奥林匹克联赛
所有数据都经过严格校对和整理,确保信息的准确性和完整性。
开始你的数据库之旅
现在你已经了解了OIerDb的强大功能和简单部署流程。无论你是想要为学校建立竞赛档案,还是希望分析选手成长规律,这个开源项目都能为你提供完美的解决方案。
立即开始搭建你的专属竞赛数据库,开启数据驱动的竞赛管理新时代!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
