# KET/PET 开源与免费备考材料调研报告

> 调研日期：2026-08-21
> 调研范围：剑桥 A2 Key (KET) / B1 Preliminary (PET) 的免费官方资源、GitHub 开源项目、开放数据集、电子书资源库
> 用途：为 english-site 项目评估可用素材，标注版权风险

---

## 一、结论速览

| 需求 | 推荐来源 | 版权风险 |
|---|---|---|
| 真题样卷 | 剑桥官网 Preparation 页（纸笔+机考样卷、答案、录音文本） | ✅ 无，官方免费 |
| 词汇表 | 官方 2020 版词汇表 PDF 直链 | ✅ 无，官方免费 |
| 机读题库 | CEPOC 数据集（GitHub，剑桥官方发布） | ✅ 低，研究用途许可 |
| 练习类 Web 工具 | ketenglish / vocabulary-app 等开源项目 | ✅ 无，MIT/开源 |
| 系统教材电子版 | SkoolPlus/PET 等仓库 | ⚠️ 高，盗版商业书 |

---

## 二、剑桥官方免费资源（合法，直接下载）

### 2.1 备考主页（样卷 + 词汇表 + 口语视频）

- A2 Key 备考页：<https://www.cambridgeenglish.org/exams-and-tests/key/preparation/>
  - 纸笔试卷样卷（读写/听力/口语）、机考样卷、答案与录音文本、口语考试实考视频配考官点评
- B1 Preliminary 备考页：<https://www.cambridgeenglish.org/exams-and-tests/preliminary-for-schools/preparation/>
- 中文版教师资源入口（可按考试等级 + 资源类型筛选教案/手册/词汇表/样卷）：<https://cambridgeenglish.cn/teaching-english/resources-for-teachers/>

### 2.2 官方词汇表直链（PDF）

- A2 Key 2020 词汇表：<https://www.cambridgeenglish.org/Images/506886-a2-key-2020-vocabulary-list.pdf>
- B1 Preliminary 2020 词汇表：<https://www.cambridgeenglish.org/Images/506887-b1-preliminary-2020-vocabulary-list.pdf>
- B1 for Schools 词汇小册子：<https://www.cambridgeenglish.org/Images/648172-b1-preliminary-for-schools-vocabulary-booklet.pdf>

**注意**：官网词汇表只列单词和词性，无中文释义和用法，做产品时需要自己补翻译和例句。

### 2.3 免费练习工具（官方）

| 工具 | 形态 | 说明 |
|---|---|---|
| Write & Improve | 网站 | 免费写作练习 + 即时评级，KET/PET 写作提分利器：<https://www.cambridgeenglish.org/learning-english/free-resources/write-and-improve/> |
| Exam Lift | iOS/Android App | 官方 KET/PET for Schools 每日练习 |
| Test & Train | 网站 | 300+ 道官方练习题 |
| 免费在线活动 | 网站 | 阅读/写作/听力/语法/发音/词汇分类练习 |

### 2.4 剑桥出版社资源页（Practice Test + 音频）

- PET 资源页（Practice Test PDF、全套音频、Exam Boosters 音频免费下载）：<https://www.cambridge.org/do/cambridgeenglish/catalog/cambridge-english-exams-ielts/preliminary/resources>
- 部分 "Sign in" 标记的资源需要剑桥教师账号，音频和 Booster 类多为直接下载。

---

## 三、CEPOC 数据集（重点推荐：唯一的官方机读题库）

### 3.1 基本信息

- 仓库：<https://github.com/CambridgeALTA/cepoc>
- 全称：Cambridge Exams Publishing Open Cloze dataset
- 发布方：剑桥大学计算机实验室 Cambridge ALTA（真题版权方自己开源的数据）
- 配套论文：Felice, Taslimipoor, Andersen & Buttery (2022). *CEPOC: The Cambridge Exams Publishing Open Cloze dataset.* LREC 2022
- 内容：剑桥五级真题中的 **Open Cloze（开放式完形填空）** 题目，对应 A2 Key 读写 Part 4 / B1 Preliminary 阅读 Part 4 题型

### 3.2 数据构成

| 考试 | CEFR | 套数 | 空格总数 |
|---|---|---|---|
| KET | A2 | 6 | 68 |
| PET | B1 | 21 | 150 |
| FCE | B2 | 36 | 360 |
| CAE | C1 | 30 | 288 |
| CPE | C2 | 21 | 200 |

KET/PET 合计 27 套 / 218 空；FCE 档最丰富（36 套 / 360 空），适合后续升级复用。

### 3.3 数据格式（JSONL，每行一套题）

```json
{"id": 1,
 "title": "",
 "text": "Dear Melissa\n\nHow are things _ London? I had a great time staying with you. ...",
 "gaps": [
   {"item": 1, "answers": ["in"]},
   {"item": 2, "answers": ["me"]},
   {"item": 5, "answers": ["when", "while"]},
   {"item": 12, "answers": ["to", "I'll", "we'll"]}
 ]}
```

关键设计点（已实拉 KET.json 验证）：

- `text` 中空格用 `_` 占位，`split("_")` 即可切分上下文
- **`answers` 是数组**：官方标注多个可接受答案（如 `["because", "as", "since"]`）。判题逻辑必须做集合匹配，不能字符串全等
- `title` 恒为空字符串，真实标题未保留
- 题材全部是青少年生活场景（邮件、聚会邀请、博客），与 for Schools 风格一致

### 3.4 许可

README 声明 "free to use for research purposes"，完整条款在仓库 `licence.txt`（剑桥系数据集惯例通常为 CC BY-NC-SA 类非商业条款）。**自用/练习工具/实验没问题；商业化或大规模再分发前需读 licence.txt 或联系作者**（mf501@cam.ac.uk 等，README 留有四位作者联系方式）。

### 3.5 应用思路

1. 打印练习纸：`_` 替换为编号空格，answers 全量印成答案页
2. 接 TTS：答案回填原文后朗读，生成精读/听力材料
3. 与开源工具 ketenglish 的精听播放器联动（它需要"导入音频与原文"）
4. 按语法点聚类（介词/连词/代词/比较结构）做错题归因

---

## 四、GitHub 开源项目（工具类，可部署可二开）

| 项目 | 地址 | 内容 | 技术栈/许可 |
|---|---|---|---|
| ketenglish | <https://github.com/lierwang19/ketenglish> | KET 家庭备考工具：单词间隔重复复习（0/1/3/7/14/30 天）+ 听力句段精听播放器；面向家长备课、孩子纸上做题、拍照 OCR 批改 | 原生 HTML/CSS/JS + IndexedDB + PWA 离线，Docker 部署 |
| vocabulary-app | <https://github.com/ztzx3156/vocabulary-app> | KET（约 600 词）/PET 儿童背单词：翻卡学习、拼写测试、错词回炉、金币奖励 | 纯前端，双击 HTML 即用，MIT |
| KET-Flashcard | <https://github.com/gemchen/KET-Flashcard> | KET 词汇闪卡站，预置多单元词汇可自定义 | Next.js + MongoDB |
| CEPOC | <https://github.com/CambridgeALTA/cepoc> | 见第三节 | 研究许可 |

---

## 五、电子书合集库（⚠️ 版权灰色地带，谨慎使用）

### 5.1 SkoolPlus/PET（已验证可访问）

- 地址：<https://github.com/SkoolPlus/PET>（公开仓库，最后更新 2023-03，已停止维护）
- 性质：**直接上传整本商业教材 PDF 的"电子书仓库"**，非软件项目

| 文件/目录 | 内容 | 版权方 |
|---|---|---|
| B1-Preliminary-for-Schools-Trainer.pdf | B1 Trainer 官方模拟题集（6 套题） | Cambridge UP |
| Destination-B1-Grammar-and-Vocabulary.pdf | B1 语法词汇练习册（带答案） | Macmillan |
| B1-Preliminary-1-Authentic.../ | Authentic Practice Tests 1（含音频） | Cambridge UP |
| ebook_SiMPLY-B1-PET.../ | SiMPLY B1 全真模拟 | Global ELT |
| ebook_Succeed-in-B1.../ | Succeed in B1 | Global ELT |
| my-notes/ | 上传者个人笔记 | — |

### 5.2 风险评估

- 仓库标 CC0 但 README 自认 "we do not own copyrights to some books"——**CC0 只覆盖仓库本身，书是商业版权书，本质是盗版资源**
- 个人下载学习风险低，但**不得二次分发/入产品/传播**
- 随时可能被 DMCA 下架；扫描质量参差，音频链接可能已失效

**建议**：项目素材不从这里来；系统刷题需求用官方样卷 + 正版纸质书（Trainer 二手约几十元）解决。

---

## 六、对 english-site 项目的素材路线建议

1. **题库种子数据**：CEPOC（KET/PET 218 空，多答案标注，机读）
2. **词汇数据**：官方词汇表 PDF 解析成结构化词库（需自补中文释义/例句，可参考 vocabulary-app 的 600 词分类词库）
3. **样卷/音频**：官网 Preparation 页 + cambridge.org 资源页直接下载
4. **功能参考**：ketenglish 的间隔重复 + 错词回炉逻辑、vocabulary-app 的游戏化设计
5. **版权红线**：商业教材 PDF 不进入项目 assets；对外分发的内容只来自官方免费资源与自研/开源代码