diff --git a/server.js b/server.js index e55c904..48eb7df 100644 --- a/server.js +++ b/server.js @@ -753,6 +753,14 @@ chargeCurrent(充电电流)、dimensions(尺寸)、netWeight(净重) moduleDimensions/moduleWeight这组字段里就行,cabinetXxx那组(cabinetMaxEnergy/cabinetRatedVoltage/cabinetDimensions/cabinetWeight) 留空,不用为了凑两级结构而重复填一遍或瞎编。 +【特别注意表头里"一个型号分成几个子列"的写法】有些规格表的型号行里,一个型号用 colspan 横跨好几列,下一行再把它分成几个子列 +(比如按电池数量分成"2 batt. / 4 batt. / 6 batt.",或按电池容量、配置分成几列),每个子列下面的电池数量、电池容量、重量等数值不同。 +这种情况一个型号只输出一条产品记录(name 就是型号本身,比如"C1K-Pro",不要加子列标签,也不要拆成几条): +- 这个型号所有子列共用的参数(功率、输入输出、尺寸等跨子列合并的单元格)照常填写; +- 各子列数值不同的参数,按从左到右的子列顺序用"/"合并成一个值,并在后面括号注明子列含义,比如电池数量填"2/4/6节"、 + 电池容量填"1792/3584/5376Wh(2/4/6节)"、净重填"28/38.5/49(2/4/6节)";只有一个子列的型号直接填那个值(比如 C3K-Pro 只有 6 节,就填"6节"、"5376Wh"、"52")。 +数清楚每个型号下面有几个子列,按顺序对齐每一行的数值,不要错位,也不要把别的型号的子列数值合并进来。 + { "name": "型号,比如 POE-532E", "brand": "品牌中文名,从厂家名称/logo文字判断;看不出就填空字符串", @@ -904,6 +912,49 @@ app.get('/api/ai/jobs/:id', requireAuth, (req, res) => { res.json({ status: job.status, code: job.code, data: job.data, elapsed: Math.round((Date.now() - job.startedAt) / 1000) }); }); +// HTML 规格书转给 AI 前先压缩: +// 以前的 HTML 打开就是一张参数表,现在很多是"前面产品介绍 + 卖点 + 型号概览,后面参数表",还常常内嵌 base64 图片。 +// 原样发给 AI 时,几十 KB 的图片编码占满了截断长度(24000 字),参数表反而被截掉,AI 对着乱码一直生成、很久不出结果。 +// 这里:去掉 /样式/脚本/注释/SVG/图片和所有 data: 编码;表格只保留 table/tr/th/td 标签和 rowspan/colspan(分组关系靠它们); +// 其他标签变成换行/项目符号的纯文字;介绍和规格表分别加标题,AI 一眼知道哪部分是卖点、哪部分是参数。 +function compactHtmlForAi(raw) { + let s = String(raw || ''); + const title = (s.match(/]*>([\s\S]*?)<\/title>/i) || [])[1] || ''; + s = s.replace(//gi, ' ') + .replace(//g, ' ') + .replace(/]*>/g, ' ') + .replace(/<(style|script|noscript|svg|canvas|iframe|template)\b[\s\S]*?<\/\1>/gi, ' ') + .replace(/<(img|picture|source|video|audio|object|embed|link|meta|input)\b[^>]*>/gi, ' ') + .replace(/data:[a-z0-9.+-]+\/[a-z0-9.+-]+;base64,[A-Za-z0-9+/=\s]+/gi, ' '); + const TABLE_TAG = /^(table|thead|tbody|tfoot|tr|th|td|caption)$/i; + const BLOCK_TAG = /^(p|div|section|article|header|footer|main|aside|h[1-6]|ul|ol|dl|dt|dd|br|hr|figure|figcaption|blockquote|nav)$/i; + s = s.replace(/<(\/?)([a-z][a-z0-9]*)\b([^>]*)>/gi, (m, close, tag, attrs) => { + if (TABLE_TAG.test(tag)) { + if (close) return ``; + const keep = (attrs.match(/\b(rowspan|colspan)\s*=\s*["']?\d+["']?/gi) || []).map((a) => a.replace(/\s+/g, '').replace(/["']/g, '')).join(' '); + return `<${tag.toLowerCase()}${keep ? ' ' + keep : ''}>`; + } + if (/^li$/i.test(tag)) return close ? '\n' : '\n• '; + if (BLOCK_TAG.test(tag)) return '\n'; + return ' '; + }); + const ENT = { nbsp: ' ', amp: '&', lt: '<', gt: '>', quot: '"', apos: "'", times: '×', plusmn: '±', deg: '°', ge: '≥', le: '≤', middot: '·', ndash: '–', mdash: '—', micro: 'µ', sup2: '²', sup3: '³', ohm: 'Ω' }; + s = s.replace(/&(#x[0-9a-f]+|#\d+|[a-z0-9]+);/gi, (m, e) => { + if (e[0] === '#') { const n = e[1] === 'x' || e[1] === 'X' ? parseInt(e.slice(2), 16) : parseInt(e.slice(1), 10); return Number.isFinite(n) ? String.fromCodePoint(n) : m; } + return ENT[e.toLowerCase()] !== undefined ? ENT[e.toLowerCase()] : m; + }); + // 单元格里的换行 / 多余空白合并;表格标签之间不留空白 + s = s.replace(/[ \t\f\v ]+/g, ' ').replace(/ *\n[\s]*/g, '\n').replace(/>\s+<').replace(/<(t[dh][^>]*)>\s+/g, '<$1>').replace(/\s+<\/(t[dh])>/g, ''); + // 拆成"介绍文字"和"规格表"两部分(表格可能有几张) + const tables = s.match(//gi) || []; + const intro = tables.reduce((acc, t) => acc.replace(t, '\n'), s).replace(/\n{2,}/g, '\n').trim(); + const parts = []; + if (title.trim()) parts.push(`【页面标题】${title.replace(/\s+/g, ' ').trim()}`); + if (intro) parts.push(`【产品介绍(卖点、型号概览,放进 sellingPoints;具体参数以下面的规格表为准)】\n${intro}`); + if (tables.length) parts.push(`【规格表(HTML 表格,rowspan/colspan 表示合并单元格)】\n${tables.join('\n')}`); + return parts.join('\n\n').trim(); +} + app.post('/api/ai/parse-catalog', requireAuth, aiLimiter, (req, res) => { uploadMemory.array('files', 30)(req, res, async (err) => { if (err) return res.status(400).json({ error: err.message }); @@ -941,14 +992,7 @@ app.post('/api/ai/parse-catalog', requireAuth, aiLimiter, (req, res) => { fs.writeFileSync(imgPath, file.buffer); imagePaths.push(imgPath); } else if (isHtml) { - const raw = file.buffer.toString('utf8'); - // 只去掉