# Формат даташита: спроектирован по реальным файлам Дата: 06.11.2026. Основано на **реальном разборе** даташитов Yealink из Nextcloud (`Work/Datasheet/Yealink`, 187 PDF в 209). --- ## 1. Что реально лежит (факты) | Вендор | PDF | Где | |---|---|---| | **Yealink** | **187** | `Work/Datasheet/Yealink/<модель>/*.pdf` | | Hitrolink | ~15 | `Work/Datasheet/Hitrolink` | | Poly | ~7 | `Work/Datasheet/Poly` | **Структура папок Yealink:** по моделям — `ME 500`, `ME 500 PRO`, `Mspeaker Pro`, `VCH51 Pro Package`, `Meeting Board`, `UVC86`, `UC` (документация, не даташиты). **Важно:** в папках лежат **не только даташиты**: Quick Start Guide, Product Introduction, Installation and Connection. Из 187 — даташитов примерно **30–40**, остальное — документация. Это надо разделять по имени файла: `*Datasheet*.pdf` → даташит, остальное → `docs`. --- ## 2. Реальная структура даташита (по MeetingEye 500) Текст извлекается `pdftotext -layout`. Структура — таблица «Параметр → Описание»: ``` Specification Parameter Description Chips and Systems • CPU: 4-core 2.6G + 4-core 2G • AI Computing Power: 4T • Operating System: Android 11 Camera • Camera: Optional UVC84/UV85/UVC86 (до 3) • Third-party cameras: support Audio Device • Microphone: Optional VCM35/VCM38/CP50/CPE40 • Speaker: Optional MSpeaker II/CP50/CPE40 Accessories • Content Sharing Device: WPP / VCH51 • Bracket: Wall/Rack Controller Touch Panel: CTP18/CTP25 Content Sharing • VCH51: HDMI/USB-C, до 4Kp30 • WPP30: до 4Kp30 NAT and Firewall • ICE/TURN/STUN, H.460, NAT (manual/auto) Network and Security • Wi-Fi 2.4/5 ГГц, BT 5.0, IPv4&IPv6 • Protocol: H.323/SIP • SRTP/TLS/AES 256, QoS, 802.1X, LLDP-MED, VLAN Physical • 3 × HDMI out (4K30), 1 × VCH/LAN ``` **Ловушка:** PDF разбивает заголовки по буквам — `Chips and System s`, `Camer a`, `Firewal l Travers al`. Простой парсер сломается. Нужна нормализация склеенных слов. --- ## 3. Предлагаемый формат (наша схема) ```yaml device: vendor: yealink model: MeetingEye 500 family: MeetingEye # для группировки type: codec # codec | camera | mic | speaker | hub | touch | board source: # провенанс (обязательно) file: "Yealink MeetingEye 500 Datasheet.pdf" page: 2 extracted: pdftotext verified: false # без этого поля устройство не попадает в подбор specs: cpu: "4-core 2.6G + 4-core 2G" ai_power: "4T" os: "Android 11" camera_support: [UVC84, UVC85, UVC86] # нормализовано в список camera_max: 3 mic_support: [VCM35, VCM38, CP50, CPE40] speaker_support: ["MSpeaker II", CP50, CPE40] touch_support: [CTP18, CTP25] content_sharing: [VCH51, WPP30] protocols: [H.323, SIP, H.460] nat: [ICE, TURN, STUN] network: ["Wi-Fi 2.4/5", "Bluetooth 5.0", "IPv4", "IPv6"] ports: - {type: HDMI, count: 3, direction: out, max: 4K30} - {type: VCH, count: 1, note: "VCH/LAN"} security: [SRTP, TLS, AES-256, 802.1X, LLDP-MED, VLAN] ``` ### Ключевые решения 1. **`source` обязателен** — без провенанса поле бесполезно (через месяц не проверить). 2. **Списки, а не строки** — `camera_support: [UVC84, UVC85]` позволяет строить граф совместимости: «этот кодек работает с этими камерами». 3. **`verified: false`** по умолчанию — ручная проверка включает устройство в подбор. 4. **`type`** — кодек/камера/микрофон/хаб: без этого не построить правила совместимости. --- ## 4. Как парсить (порядок, по убыванию надёжности) | Шаг | Метод | Почему | |---|---|---| | 1 | `pdfplumber` — извлечение таблиц | в PDF реальные таблицы, а не текст | | 2 | нормализация склеенных слов (`Chips and System s` → `Chips and Systems`) | иначе поля не находятся | | 3 | regex извлечение моделей (`UVC\d+`, `CTP\d+`, `VCM\d+`) в списки | даёт граф совместимости | | 4 | LLM (локальная) — только для нестандартных разделов | 7B справляется с текстом, но не с числами | | 5 | **сверка с pdftotext** — LLM не единственный источник | перекрёстная проверка | **Правило:** числа (порты, разрешения, количество) — только regex/таблицы, не LLM. LLM — для описаний и нестандартных формулировок. --- ## 5. Первый шаг (что делаю следующим) 1. Скрипт `harvest.py`: обход `Work/Datasheet/Yealink/**`, отбор `*Datasheet*.pdf` 2. Извлечение таблицы «Параметр → Описание» через `pdfplumber` 3. Нормализация склеенных слов 4. Запись в `devices//.yaml` с провенансом 5. Отчёт: какие модели распознаны полностью, какие частично, что пропущено **Критерий:** 5 даташитов разобраны, поля проверены глазами, схема зафиксирована. --- ## 6. Зачем это «комбайн», а не один инструмент Даташит — только вход. Дальше: ``` даташит → спецификации → граф совместимости → подбор → покрытие → BOM → КП ``` Формат должен обслуживать **все** шаги. Поэтому: - `camera_support` — не текст, а ссылки на другие устройства (граф) - `type` — для правил («к кодеку нужен хотя бы один микрофон») - провенанс — чтобы объяснить клиенту, откуда цифра Каждый следующий шаг добавляет поля, но **не меняет основу**.