Files
buryan-infra/ops/work/PARSER-STATUS.md

2.6 KiB
Raw Permalink Blame History

Парсер даташитов: состояние (итерация 2 — pdfplumber)

Дата: 06.11.2026. Источник: даташиты Yealink из Nextcloud (Work/Datasheet).

Сравнение подходов

Подход Разобрано С 3+ параметрами Качество строк
v1: pdftotext -layout 27 / 48 12 строки прилипали не к тем параметрам
v2: pdfplumber (таблицы по координатам) 46 / 53 46 привязка верная

Рост: 12 → 46 полноценных разборов (в 3.8 раза).

Что получилось

Метрика Значение
Файлов разобрано 46 из 53
Параметров всего 1645
Среднее на файл 37
С совместимыми моделями 24 файла
Не разобрано 7 (не табличные спецификации)

Лучшие:

  • UVC85-BYOD — 127 параметров
  • MeetingBar A40 — 126
  • MeetingEye 500 — 102, 12 совместимых моделей

Что исправлено по сравнению с v1

  1. Таблицы по координатам — параметр и его описание больше не путаются.
  2. Мусорные заголовки (PPaarraammeetteerr, DDeessccrriippttiioonn) — отбрасываются.
  3. Разбивка значений по «•» — вместо одной длинной строки список пунктов.
  4. Совместимые модели извлекаются из текста (UVC86, CTP18, VCM35) → граф.

Что осталось

  1. 7 файлов не разобраны — не табличные спецификации (монтажные аксессуары, HiBoard-презентации). Отсекать по содержимому или разбирать LLM.
  2. Верификация — ни один файл не verified: true. Нужна ручная проверка 5 эталонов.
  3. Нормализация единиц — 10ft (3m) → структурированное {value: 3, unit: m}.
  4. 77 параметров у CLS120 — подозрительно много; проверить, не склеены ли разделы.

Следующий шаг

Ручная проверка MeetingEye 500 (102 параметра) → эталон → сравнение с остальными.