7.0 KiB
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 | 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)
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
sourceобязателен — без провенанса поле бесполезно (через месяц не проверить).- Списки, а не строки —
camera_support: [UVC84, UVC85]позволяет строить граф совместимости: «этот кодек работает с этими камерами». verified: falseпо умолчанию — ручная проверка включает устройство в подбор.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)
- Скрипт
harvest.py: обходWork/Datasheet/Yealink/**, отбор*Datasheet*.pdf - Извлечение таблицы «Параметр → Описание» через
pdfplumber - Нормализация склеенных слов
- Запись в
devices/<vendor>/<model>.yamlс провенансом - 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.