企业官网建设流程全解析

教育考试系统怎样解决XHEDITOR公式粘贴的防作弊问题？

在线考试系统接入 XHEDITOR 之后，最让我头疼的不是公式渲染性能，也不是编辑器的兼容性，而是公式粘贴这个环节的防作弊问题。说白了，很多线上考试的作弊方式就藏在“复制-粘贴”这两个动作里：考生从外部文档、在线题库、聊天工具里把带公式的答案直接粘进答题框，系统如果不做任何拦截，一道大题基本上等于开卷。

我在这类项目里折腾了大半年，把 XHEDITOR 的粘贴链路、公式存储格式、前端过滤逻辑、后端校验机制都过了一遍，踩了不少坑。这篇文章把我自己的实战思路完整写出来：XHEDITOR 公式粘贴到底有哪些作弊入口，如何在编辑器层、传输层、存储层分别设卡，以及我实测下来真正有效的配置方法和代码逻辑。

1. 先搞清楚要防的是什么：公式粘贴的作弊入口

1.1 公式粘贴最常见的三类作弊姿势

XHEDITOR 是一个基于 Web 的富文本编辑器，公式输入通常依赖 LaTeX 语法或者可视化公式编辑器，渲染层用 MathJax 或 KaTeX 来实现。很多同学以为考试系统的公式防作弊，只要“禁止复制”就够了，但实际上根本防不住，因为考生的作弊路径有至少三条，而且每一条都恰好跟 XHEDITOR 的粘贴机制有关。

第一类是直接粘贴外部 LaTeX 源码。考生在本地 Typora、Overleaf、Word 自带的公式编辑器里写好答案，复制出来之后，剪贴板里可能同时存在 LaTeX 文本、MathML、Word 的 OMML（Office Math Markup Language）对象，甚至还有渲染后的图片。直接粘进 XHEDITOR，编辑器默认会做 HTML 过滤，但很多配置松散的考试系统只过滤了 script 标签和事件属性，MathML 和图片往往被当成“富文本内容”放行，结果就是答案里的公式被完整贴了进去。

第二类是粘贴渲染后的公式图片。考生在本地把公式截图，复制到剪贴板，然后粘贴到答题框。这种操作对前端来说就是一个 image 粘贴事件，浏览器会把 PNG 或 JPEG 数据以 base64 形式放进 contenteditable 区域。系统如果没做图片类型拦截，图片就直接成为答案的一部分。这时候防作弊形同虚设，因为图片里是什么内容，系统完全无法校验。

第三类更隐蔽，是“先 OCR，再粘贴”的混合型作弊。考生先把题目截图扔给 OCR 工具，得到文本和 LaTeX 混合的答案，然后整体复制粘贴进来。这种粘贴内容里既有公式又有普通文本，行内公式、块级公式混在一起，系统往往只能看到一堆混排内容，很难判断是不是本人实时输入。

1.2 为什么 XHEDITOR 的公式粘贴尤其难防

XHEDITOR 这类编辑器的核心工作方式，决定了它跟普通 textarea 输入框完全不同。textarea 里只有纯文本，拿到什么就是什么，过滤逻辑非常简单。但 XHEDITOR 是 contenteditable 机制，粘贴事件触发后，浏览器会把剪贴板里的各种格式数据全部交给编辑器，包括 text/plain、text/html、text/mathml、image/png 等等。

其中 text/mathml 是一个很特殊的风险点。XHEDITOR 的公式插件在读取剪贴板时，如果检测到 MathML 数据，会尝试把它解析并转换成内部公式结构，通常是 LaTeX 语法加特定的标记。这本来是编辑器的便利功能，结果变成了作弊入口——考试系统里的 MathML 内容一旦被解析成功，外部公式答案就被完整写入答题内容。更麻烦的是，MathML 的标签格式比较灵活，<math>、<semantics>、<annotation-xml>各种嵌套，前端如果只是做字符串黑名单过滤，很容易漏掉半数以上的变体。

图片粘贴就更不用说了。浏览器在粘贴图片时，contenteditable 区域会被插入一个<img src="data:image/png;base64,...">，XHEDITOR 默认会保留这张图片，因为正常使用场景下用户确实可能需要贴图。但在考试场景里，公式截图就是作弊信号，系统必须把“保留图片”和“允许公式”这两个逻辑彻底分开，否则就是给作弊开了一扇门。

1.3 防公式粘贴作弊的几个基本原则

在讲具体方案之前，我先把实践里总结出来的几条原则放在前面，后面所有代码和配置都围绕这几条展开。

第一，公式内容必须“结构化”。考生提交的公式答案，最终在系统里必须是一段可被解析、可被校验的 LaTeX 或 MathML 代码，而不是一张图片、一段渲染后的 SVG，更不是一坨无法识别的 HTML 混排内容。

第二，前端拦截只是第一道防线，后端必须独立校验。前端 JS 可以被绕过，考生如果自己写脚本、改请求、用开发者工具删除过滤逻辑，前端就失效了。所以后端服务在接收答案数据时，必须重新做一遍公式合法性检查，并且和考场的环境指纹、时间戳、行为序列一起做关联分析。

第三，防作弊要跟“内容归一化”结合。考生用 LaTeX 贴\frac{a}{b}，或者用 Word 贴一个 OMML 对象，或者用 MathType 复制出带 XML 的混合文本，这些在渲染层面看起来差不多，但存储格式千差万别。归一化之后，系统才能正确计算“这个答案跟题库标准答案的相似度是不是异常地高”。

2. 核心思路：公式粘贴内容的前端拦截与归一化

2.1 在 XHEDITOR 粘贴链路里做“内容清洗”

XHEDITOR 本身提供了粘贴事件的回调机制，我们可以在事件流里插入一个清洗层，把所有进入正文区的内容统一过滤一遍。我的实现思路是：拦截 paste 事件，读取剪贴板对象event.clipboardData，先从 items 里判断是否有图片数据，优先处理掉图片；然后再处理 HTML 文本，剥离掉 MathML、SVG、外链图片、内联样式、事件属性等高风险内容；最后用 editor 自己的 API 把清洗后的纯文本或 LaTeX 写入内容区。

这里有一个关键点：一定不要直接调用默认的粘贴行为，而是要event.preventDefault()之后手动插入清洗结果。否则浏览器会先把剪贴板里的原始 HTML 塞进 contenteditable，编辑器再去做二次解析，风险内容已经进入了正文节点，再想清理就要遍历 DOM，麻烦得多。

下面是我实际项目里用过的清洗逻辑骨架，基于 XHEDITOR 的粘贴事件监听实现：

editor.on('paste', function (e) { var clipboardData = e.clipboardData || window.clipboardData; if (!clipboardData) return; // 1. 优先拦截图片粘贴 var items = clipboardData.items || []; for (var i = 0; i < items.length; i++) { if (items[i].type && items[i].type.indexOf('image') !== -1) { e.preventDefault(); editor.fireEvent('examBlockImagePaste', { reason: 'image-forbidden' }); return; } } // 2. 读取 HTML 内容并清洗 var html = clipboardData.getData('text/html'); if (html) { var cleaned = cleanExamPasteHtml(html); e.preventDefault(); if (cleaned.length > 0) { editor.insertHtml(cleaned); } } // 3. 读取纯文本作为兜底 var plainText = clipboardData.getData('text/plain'); if (!html && plainText) { e.preventDefault(); editor.insertText(sanitizePlainTextForExam(plainText)); } });

这个代码里有一个地方要特别说明：cleanExamPasteHtml里做的清洗，不只是去掉标签，而是要做一个“白名单过滤”。我建议把允许进入考试答题区的 HTML 标签限制在一个非常小的集合内，比如p、br、span（仅允许 XHEDITOR 自己的公式占位符）、math（需要再转 LaTeX）、annotation。其余标签一律不留。

2.2 MathML、OMML、图片混排内容如何统一转 LaTeX

公式粘贴里最复杂的不是纯 LaTeX，而是各种“半结构化”的公式数据。我从实际项目里拿到的粘贴样本做过统计，考生复制公式时，剪贴板里最常见的组合有这几种：

处理这堆格式的核心策略是：在粘贴清洗层里，把一切公式形态统一转成 LaTeX 字符串，然后交给 XHEDITOR 的公式插件重新渲染。MathML 转 LaTeX 的解析器，前端可以用mathml2latex之类的库，但要注意它的解析覆盖率不高，复杂的矩阵、分段函数容易出问题；更稳妥的做法是后端用 Python 的latex2mathml反向库做一次转换校验，前端先用简化规则兜底。

我实际采取的策略是“前后端双转”：前端清洗时保留 LaTeX 文本，同时把 MathML 原始字符串打上特殊标记追加到答案的隐藏字段里；后端拿到数据后，用完整的 MathML 转 LaTeX 解析器重新解析，解析成功的才存库，解析失败的进入人工审核队列。这样即使前端转换有遗漏，后端还能补救，而且人工审核队列能抓住那些格式乱七八糟的异常答案。

图片混排的问题也一样。清洗层遇到行内图片，不要简单删除，而是要记录“这个位置原本是一张图片，疑似公式截图”，然后把占位标记替换成$[formula-image]$这样的特殊令牌，后端看到这个令牌就知道这道题的答案存在非结构化内容，需要进入人工复核。

2.3 前端行为埋点：把“粘贴动作”变成考场证据

很多考试系统只把注意力放在“内容对不对”上，忽略了“行为本身是不是可疑”。我的经验是，公式粘贴防作弊如果只盯内容，会陷入跟作弊者无限升级对抗的局面；但如果把粘贴这个行为本身的数据也采集下来，很多作弊在行为层面就会暴露。

我在 XHEDITOR 的粘贴清洗层里埋了三组数据，这些数据会随答案一起提交到后端：

• 粘贴操作记录：每次粘贴的时间点、触发区域、粘贴内容长度、内容类型（纯文本/HTML/图片/混合）。
• 输入节奏特征：答题过程中，两次粘贴操作之间的时间间隔、编辑器的 focus/blur 切换频率、是否有大段内容一次性插入。
• 内容变更快照：对答案区做版本记录，每次粘贴前后各保存一次内容指纹，后端可以还原“这个答案是由多少次粘贴拼接出来的”。

这套数据在平时没什么存在感，但一旦后端检测到多个考生在极短时间内提交了高度相似的公式答案，行为日志就能派上大用场。比如三个人在两个小时内都发生了一次“大段 LaTeX 粘贴+零修改直接提交”，这种模式在正常考生答题行为里几乎不可能出现，人工审核可以直接锁定。

3. 实操过程：从编辑器配置到后端校验的完整链路

3.1 XHEDITOR 编辑器的基础配置与粘贴拦截开关

方案要落地，第一件事是把 XHEDITOR 的初始化配置调成“考试模式”。我这里直接给出我项目中使用的核心配置项，你可以对照自己的 XHEDITOR 版本做调整。

var editor = XHEDITOR.create({ // 关闭不必要的工具栏功能，减少外部内容插入路径 toolbar: ['formula', 'bold', 'italic', 'underline'], // 关闭拖放图片上传，防止图片绕过粘贴事件 dragUpload: false, // 关闭自动上传 upload: false, // 禁止从外部粘贴图片 pasteImage: false, // 允许的公式输入方式只有 LaTeX 和可视化公式编辑器 formulaConfig: { engine: 'katex', allowed: ['latex', 'visual'], disableMathMLImport: true }, // 自定义事件 events: { paste: function (e) { handleExamPaste(e); } } });

pasteImage: false这个配置很关键。XHEDITOR 在部分版本里默认支持粘贴图片并自动转 base64，如果考试场景下没关掉这个配置，考生截图直接粘进来，系统根本来不及拦截。另外我建议把dragUpload: false也打开，因为有些考生会从本地把图片拖拽进编辑器，拖拽上传走的不是 paste 事件，而是 drop 事件，如果你只拦了 paste，拖拽上传就成了漏网之鱼。

还有个小细节：formulaConfig.disableMathMLImport这个配置项在部分 XHEDITOR 版本里可能不存在，如果当前版本不支持，不要慌，直接在粘贴清洗函数里手动处理 MathML 数据就行，我会在下面把处理逻辑写出来。

3.2 粘贴清洗层的完整代码实现

结合前面讲的原则，我把实际项目中跑过一段时间的清洗函数做一个简化版，直接给到可以参照使用的代码。这个函数处理的是粘贴事件中的 HTML 数据，目标是：去掉所有外部样式、事件属性、图片、SVG、MathML 残留，把公式统一成 LaTeX。

function cleanExamPasteHtml(html) { // 1. 解析 HTML var wrapper = document.createElement('div'); wrapper.innerHTML = html; // 2. 移除所有图片节点，并记录可疑图片位置 var imgs = wrapper.querySelectorAll('img'); var imgCount = imgs.length; for (var i = imgs.length - 1; i >= 0; i--) { var placeholder = document.createElement('span'); placeholder.setAttribute('data-exam-replace', '$[formula-image]$'); imgs[i].parentNode.replaceChild(placeholder, imgs[i]); } // 3. 处理 MathML：提取 annotation 里的 LaTeX，或标记为待转换 var mathNodes = wrapper.querySelectorAll('math'); for (var j = mathNodes.length - 1; j >= 0; j--) { var annotation = mathNodes[j].querySelector('annotation'); var latexText = annotation ? annotation.textContent : ''; var newSpan = document.createElement('span'); if (latexText && isLikelyLatex(latexText)) { newSpan.textContent = latexText; } else { newSpan.setAttribute('data-exam-replace', '$[mathml-need-convert]$'); } mathNodes[j].parentNode.replaceChild(newSpan, mathNodes[j]); } // 4. 去除所有标签的 style、class、事件属性 var allNodes = wrapper.querySelectorAll('*'); for (var k = 0; k < allNodes.length; k++) { var attrs = allNodes[k].attributes; for (var m = attrs.length - 1; m >= 0; m--) { var attrName = attrs[m].name.toLowerCase(); if (attrName.indexOf('on') === 0 || attrName === 'style' || attrName === 'class' || attrName === 'id' || attrName === 'contenteditable') { allNodes[k].removeAttribute(attrName); } } } // 5. 白名单过滤：只保留 p, br, span, div var allowedTags = ['P', 'BR', 'SPAN', 'DIV']; var walker = document.createTreeWalker(wrapper, NodeFilter.SHOW_ELEMENT, null, false); var removeList = []; while (walker.nextNode()) { var node = walker.currentNode; if (allowedTags.indexOf(node.tagName) === -1) { removeList.push(node); } } removeList.forEach(function (node) { while (node.firstChild) { node.parentNode.insertBefore(node.firstChild, node); } node.parentNode.removeChild(node); }); // 返回清洗后的 HTML return wrapper.innerHTML; } function isLikelyLatex(text) { // 粗略判断字符串里是否包含 LaTeX 特征 return /[\\{}_\^]/.test(text) || /\\frac|\\sum|\\int|\\sqrt|\\alpha|\\beta/.test(text); }

这段代码里有几个细节我想单独拿出来说明。第一步移除图片节点时，我用了占位符$[formula-image]$而不是直接把图片删掉，目的是让后端知道这里曾经有一张图片，而不是静默丢弃。第 3 步处理 MathML 时查询了annotation标签，因为 MathML 的 LaTeX 源码通常存在这里，但也存在 MX 或者纯 MathML 结构的，所以我在isLikelyLatex判断失败时会打上$[mathml-need-convert]$标记，后端再决定是做转换还是进入人工审核。第 4、5 步是通用清洗，有点暴力，但考试场景下宁可让排版难看一点，也不能放行任何不可控内容。

3.3 后端证据链校验：公式答案的存储与相似度判定

前端清洗做得再严密，后端也必须独立做一遍校验。原因很简单：前端代码是运行在考生浏览器里的，一个懂技术的考生完全可以打开浏览器控制台，把handleExamPaste函数改成空函数，或者直接修改请求提交原始的 JSON 数据。所以后端不能信任前端传过来的“已清洗文本”，必须自己重新解析一遍。

后端校验我在项目中分了三层，每一层都有明确的职责。

第一层是格式层。服务端解析提交内容里的 LaTeX 字符串，用解析器检查括号是否匹配、命令是否在允许的白名单里（比如\input、\include这类危险命令必须拒绝）、是否有异常的环境（eqnarray、gather这类多行公式环境在某些科目里很少出现）。我这边的做法是直接调用 Python 的 latex 解析库做语法分析，解析失败就拒绝入库，返回错误码让考生重新编辑。这一层能拦住大部分低水平的粘贴作弊。

第二层是内容层。把标准答案和考生答案的 LaTeX 都先转成符号化的结构树，计算结构相似度。注意这里不能只做字符串相似度——考生如果稍微改几个变量名，比如把x改成t，字符串相似度会大幅下降，但结构树几乎不变。我用的是 AST（抽象语法树）级别的相似度计算，核心公式树的节点类型、深度、操作符分布一致，就说明这个答案大概率不是本人现场推出来的。

第三层是行为层。把前面埋的粘贴行为数据和考试环境数据（IP、设备指纹、考试场次、题目进入时间）做关联。一个比较实用的规则是：如果某题的作答时间小于系统公式编辑平均耗时的 20%，同时提交的 LaTeX 结构跟标准答案相似度超过 85%，直接进入人工复核队列，不自动判分。

下面是一个简化版后端判断逻辑的 Python 示例，演示了公式校验和标记的核心思路：

import re from latex_parser import parse_latex # 示例函数 def validate_formula_answer(submitted_latex, standard_latex, behavior_meta): # 1. 格式校验 try: tree = parse_latex(submitted_latex) except Exception: return {"status": "rejected", "reason": "latex_syntax_error"} # 2. 危险命令检查 dangerous_commands = ["input", "include", "write", "newwrite", "immediate"] for cmd in dangerous_commands: if re.search(r"\\" + cmd + r"\b", submitted_latex): return {"status": "rejected", "reason": "unsafe_command"} # 3. 结构相似度计算 similarity = tree.similarity(parse_latex(standard_latex)) # 4. 行为特征加权 anomaly_flags = [] if behavior_meta["paste_count"] >= 3: anomaly_flags.append("multi_paste") if behavior_meta["edit_duration"] < 20: anomaly_flags.append("too_fast") if similarity > 0.85 and anomaly_flags: return {"status": "manual_review", "reason": anomaly_flags} return {"status": "accepted", "score_threshold": similarity}

这个例子里的latex_parser是我虚构的库名，实际项目里可以用sympy的 parsing 模块或者自己写一个简单的语法检查器。tree.similarity方法同理，核心思路就是解析 LaTeX 为结构树后做对比。真实环境中我还用了 AST 节点序列的编辑距离作为相似度参考，效果比单一的树匹配要好一些。

3.4 数学公式答案的特殊存储方案

公式答案怎么存，也直接影响防作弊效果。很多系统直接把 XHEDITOR 渲染后的 HTML 存进数据库，这种做法在后端校验时非常被动：你想做相似度计算，HTML 里全是 span、style、SVG 路径，根本没法当公式处理；你想做搜索比对，全文索引对公式也是无能为力。

我在项目中采用的存储方案是“三字段并行”：

这里要特别强调formula_latex字段的归一化规则。我在入库前会统一做：去掉所有空白符、统一行内公式与块级公式分隔符（统一用$包裹）、转义检查、变量名标准化（比如考生写的是\mathrm{x}，统一成x）。归一化之后，同一个公式无论通过 LaTeX 粘贴、MathML 转换还是 Word 复制进来，最终存储的字符串都是一致的。这样做的唯一目的就是让相似度计算有真正的可比性——作弊者如果从同一个来源复制答案，就算改了排版、改了显示格式，归一化后依然会出现极高的相似度。

4. 实测中的坑与排查经验

4.1 MathML 标签解析被 XHEDITOR 吃掉一半

我在第一轮测试时就发现一个问题：考生从 MathType 复制公式粘贴，XHEDITOR 能够识别 MathML，但识别率不稳定。同样是<math><mfrac><mi>x</mi><mi>y</mi></mfrac></math>这样的结构，有时候能正确转换成 LaTeX\frac{x}{y}，有时候只保留了x y，中间的分式结构直接丢失。

排查下来，根因是 XHEDITOR 对 MathML 的解析依赖浏览器原生的contenteditable粘贴处理流程，不同浏览器的 DOM 解析结果有差异。Chrome 会把 MathML 解析成 MathML DOM 节点，Firefox 也会，但 Safari 会把部分 MathML 直接扼杀成普通文本。这个问题在前端清洗层里不太好根治，所以我后来把 MathML 转换的重心挪到了后端，前端只负责携带原始数据，后端统一用mathml2latex库做转换，转换失败的走人工。实测下来，后端转换的成功率比前端高得多，因为前端还需要考虑不同浏览器的 DOM 兼容性，后端只需要解析纯文本 MathML。

4.2 图片粘贴拦截之后，公式输入也被误伤了

这是我遇到的最初级的坑，但特别容易踩。我在清洗函数里写了“只要剪贴板 items 里有 image，就统一拦截”，结果有一类合法操作被挡住了——考生用系统自带的可视化公式编辑器，在公式面板里点击插入公式，这个操作不会触发 paste 事件，所以没问题；但 XHEDITOR 有个功能是从公式渲染结果复制之后粘贴到另一个位置，比如考生想复制上一题的公式到下一题，这时候剪贴板里既有 LaTeX 纯文本，也有一张渲染后的图片快照，我的拦截逻辑把整次粘贴全拦截了，导致复制公式这个正常功能直接不可用。

后来我调整了策略：只在“第一次答题粘贴”时全面拦截图片，在“编辑器内部复制粘贴”时放行图片。具体实现是监听粘贴事件时判断event.clipboardData.getData('text/xh-editor-internal')有没有特定标记，有就放行，没有就按外部粘贴处理。这个细节让我少挨了不少骂。

4.3 纯文本粘贴导致 LaTeX 被转义成乱码

考生从外部复制 LaTeX 文本时，如果粘贴的数据里有反斜杠\，部分版本的 XHEDITOR 会在插入纯文本时把反斜杠当转义符处理。比如考生粘的是\frac{1}{2}，编辑器存进去变成\frac{1}{2}，有的版本会变成\\frac{1}{2}，渲染直接就崩了。

这个问题在清洗层里修起来很恶心，因为浏览器在insertText时会自带一层 HTML 转义，\本身不会变，但编辑器内部 parser 在做 LaTeX 识别时需要特殊处理。我的做法是：在清洗函数里不对 LaTeX 文本做 HTML 实体转义，直接把原始字符串交给 XHEDITOR 的公式专用insertLatex方法，而不是走通用insertText。这里要特别注意，如果你在清洗层里用了innerHTML拼接，一定要确保 LaTeX 字符串在拼接前没有经过innerHTML的自动转义，否则反斜杠和花括号都会被搞成实体。稳妥的做法是创建文本节点再插入，而不是直接用字符串赋值。

4.4 粘贴防作弊与无障碍输入的平衡

防作弊做多了之后，正常考生的体验也会受到影响。比如一个写惯了 LaTeX 的考生，习惯在外部编辑器里把整道题的推导写完之后一次性粘贴进答题框，这种行为在行为层会被标记为“大段粘贴+快速提交”，如果人工审核规则太严格，正常考生会被误伤。

我的缓解方式是设置“白名单行为模式”：如果某位考生在整场考试里的所有作答都使用外部编辑器粘贴，并且每次粘贴的内容结构复杂度一致、公式使用习惯稳定，那这位考生会被系统标记为“可信任编辑模式”，不再触发人工复核。说白了就是，防作弊系统要针对的是“突然变化”，而不是“行为本身”。一个平时就习惯粘贴 LaTeX 的考生，和一个人工智能工具或者外部题库对话式生产的答案，行为特征有明显差异，系统需要靠时间序列数据把这两者区分开。

4.5 常见问题速查表

把我踩过的坑汇总成下面这张表，方便你在实施时对照排查：

5. 我的落地体会与后续扩展方向

做公式粘贴防作弊这事儿，我的核心体会是：不要在“禁止”上面死磕，要在“可校验”上面多下功夫。你越是想把考生的每一步操作都禁止掉，系统就越复杂、越容易被绕过；反过来，如果能做到所有进入答案区的内容都可以被结构化解析、都能追溯到粘贴行为，那就算有考生绕过了前端拦截，后端依然能发现异常。

我在实际维护中已经把公式答案的异常检测做成了半自动流程：前端 XHEDITOR 清洗、后端校验、行为埋点这三层互相独立，任何一层发现可疑标记，答案不会直接判 0 分，而是进入人工复核队列。从上线后的数据来看，公式类大题的作弊率明显下降，更重要的是，因为有了formula_latex这个归一化字段，后续做题库查重、知识点统计、答案聚类分析都变得非常顺手，算是意外收获。

如果你也在做类似的教育考试系统，我建议不要把精力全放在数学公式上，化学方程式、物理向量表达式、矩阵类问题，只要涉及到“结构化符号输入”，核心思路都是通的：前端统一成规范格式，后端独立校验，行为数据全程留痕。这套框架搭好之后，各种符号类作弊的防御就都顺理成章了。