73 lines
3.4 KiB
Markdown
73 lines
3.4 KiB
Markdown
# Poly найден: официальные страницы hp.com (12.11.2026)
|
||
|
||
## Что не работало
|
||
|
||
| Источник | Ответ |
|
||
|---|---|
|
||
| `documents.polycom.com` | **503** |
|
||
| `support.polycom.com/sitemap.xml` | HTML Angular-приложения вместо карты |
|
||
| `www.poly.com/sitemap.xml` | HTML 597 КБ, даже через прокси |
|
||
|
||
Poly принадлежит **HP** — и вот там данные есть.
|
||
|
||
## Где нашлось
|
||
|
||
`https://www.hp.com/us-en/poly/video-conferencing.html` — открывается **напрямую**
|
||
(631 КБ). Прокси, наоборот, отдавал 000 — то есть виноват был именно он.
|
||
|
||
Обход дал **32 страницы продукции** (без магазинных):
|
||
|
||
```
|
||
poly/video-conferencing/all-in-one/studio-x72.html
|
||
poly/video-conferencing/modular/g7500.html
|
||
poly/video-conferencing/all-in-one/studio-x52.html
|
||
poly/video-conferencing/pc-based.html
|
||
...
|
||
```
|
||
|
||
Локализованные дубли (be-fr, pl-pl, jp-ja …) отфильтрованы: оставлен только `/us-en/`.
|
||
|
||
## Проверка извлечения
|
||
|
||
Было: `device: None, фактов 0` — модель читала меню вместо характеристик.
|
||
|
||
Исправлено два дефекта:
|
||
|
||
1. **Выбор фрагмента по плотности характеристик** — скользящее окно ищет
|
||
участок с максимумом ключевых слов и чисел, а не первое вхождение слова
|
||
«specification» (оно в меню).
|
||
2. **Чистка мусора в тексте** — выброшены пути `/content/dam/…png`, `@2x`,
|
||
`check_mark`, строки из одного слова.
|
||
|
||
Стало:
|
||
|
||
```
|
||
device: HP Poly Studio X72
|
||
факты: совместим с Microsoft Teams / Zoom / Google Meet
|
||
фрагмент: «Advanced microphone design … HP Poly Studio X72 is compatible with
|
||
leading collaboration platforms»
|
||
```
|
||
|
||
## Текущие результаты по вендорам
|
||
|
||
| Вендор | Документов | Фактов | Зависимостей | Моделей |
|
||
|---|---|---|---|---|
|
||
| vinteo | 19 | 43 | 13 | — |
|
||
| iva | 13 | 30 | 8 | 2 |
|
||
| logitech | 6 | 13 | 5 | 2 |
|
||
| poly | 3 | 6 | 1 | 1 (Studio X72) |
|
||
|
||
## Честные ограничения
|
||
|
||
1. **Logitech**: 57 из 63 страниц пустые — в базе знаний Zendesk много
|
||
картинок-галерей и служебных статей. Нужен фильтр по заголовку (datasheet,
|
||
specifications, setup).
|
||
2. **Vinteo**: модели не определяются — страницы маркетинговые; нужны
|
||
PDF-каталоги (в очереди есть `/download/`).
|
||
3. **Poly**: 32 страницы — это продуктовые обзоры; полноценные PDF-даташиты
|
||
лежат на `h20195.www2.hp.com` (нужен отдельный сбор PDF и `pdftotext`,
|
||
который на хосте уже есть).
|
||
4. **Заглушки**: модель иногда копировала схему в значения
|
||
(«с каким устройством/сервисом совместимо») — почищено постфильтром и
|
||
дополнением промпта.
|