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

47 lines
2.6 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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.