2.6 KiB
2.6 KiB
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 параметровMeetingBar A40— 126MeetingEye 500— 102, 12 совместимых моделей
Что исправлено по сравнению с v1
- Таблицы по координатам — параметр и его описание больше не путаются.
- Мусорные заголовки (
PPaarraammeetteerr,DDeessccrriippttiioonn) — отбрасываются. - Разбивка значений по «•» — вместо одной длинной строки список пунктов.
- Совместимые модели извлекаются из текста (
UVC86,CTP18,VCM35) → граф.
Что осталось
- 7 файлов не разобраны — не табличные спецификации (монтажные аксессуары, HiBoard-презентации). Отсекать по содержимому или разбирать LLM.
- Верификация — ни один файл не
verified: true. Нужна ручная проверка 5 эталонов. - Нормализация единиц —
10ft (3m)→ структурированное{value: 3, unit: m}. - 77 параметров у
CLS120— подозрительно много; проверить, не склеены ли разделы.
Следующий шаг
Ручная проверка MeetingEye 500 (102 параметра) → эталон → сравнение с остальными.