47 lines
2.6 KiB
Markdown
47 lines
2.6 KiB
Markdown
# 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.
|