diff --git a/server.js b/server.js index cf31402..60da461 100644 --- a/server.js +++ b/server.js @@ -673,6 +673,60 @@ function renderPdfToImages(pdfBuffer, tmpDir) { }); } +// PDF 自带文字层(WPS / Word 导出的规格书都有):直接取文字比 OCR 准得多(数字、小数点、Ω、℃、± 不会认错,也不会漏行)。 +// 扫描件没有文字层、或者字体映射坏了取出来是乱码,就返回空字符串,调用方回退到 OCR。 +function pdfTextLayer(pdfBuffer, tmpDir) { + return new Promise((resolve) => { + const pdfPath = path.join(tmpDir, 'text-source.pdf'); + try { fs.writeFileSync(pdfPath, pdfBuffer); } catch (e) { return resolve(''); } + execFile('pdftotext', ['-layout', '-enc', 'UTF-8', pdfPath, '-'], { maxBuffer: 20 * 1024 * 1024, timeout: 60000 }, (err, out) => { + if (err) return resolve(''); + const t = String(out || '').replace(/\f/g, '\n\n--- 下一页 ---\n\n').replace(/[ \t]+$/gm, '').replace(/\n{4,}/g, '\n\n\n').trim(); + const vis = t.replace(/\s/g, ''); + if (vis.length < 80) return resolve(''); + const bad = (vis.match(/[\uFFFD\uE000-\uF8FF]/g) || []).length; + const good = (vis.match(/[\u4e00-\u9fffA-Za-z0-9]/g) || []).length; + resolve(bad / vis.length > 0.03 || good / vis.length < 0.5 ? '' : t); + }); + }); +} + +// 导入后的漏行检查(只在"一个 PDF 文字层 → 一个产品"时做):把文字层里"参数名 数值"这种行逐行拿出来, +// 数值在 AI 输出里找不到的,原样补进 extraSpecs(参数名照抄原文)。AI 偶尔会漏掉几行(比如浮充电压、参考内阻),这里兜底。 +const normSpec = (x) => String(x || '').toLowerCase().replace(/\s+/g, '').replace(/(/g, '(').replace(/)/g, ')').replace(/[~〜]/g, '~').replace(/:/g, ':').replace(/,/g, ','); +function specLinesFromLayout(layout) { + const rows = []; + for (const line of String(layout || '').split('\n')) { + const cells = line.trim().split(/\s{2,}/); + if (cells.length < 2) continue; + const label = cells[0].trim(), value = cells[1].trim(); + if (!/^[\u4e00-\u9fff][\u4e00-\u9fffA-Za-z()()*\/·\s]{1,24}$/.test(label) || /\d/.test(label)) continue; + if (!/\d/.test(value)) continue; + rows.push({ label: label.replace(/\s+/g, ''), value }); + } + return rows; +} +function fillMissingSpecRows(product, layout) { + const vals = []; + const walk = (v) => { if (v == null) return; if (typeof v === 'string' || typeof v === 'number') vals.push(String(v)); else if (Array.isArray(v)) v.forEach(walk); else if (typeof v === 'object') Object.values(v).forEach(walk); }; + walk(product); + const dump = normSpec(vals.join(' | ')); + const has = (v) => { + if (dump.includes(normSpec(v))) return true; + const n = (String(v).match(/\d+(?:\.\d+)?/) || [])[0]; + if (!n) return true; + return new RegExp('(^|[^\\d.])' + n.replace('.', '\\.') + '(?![\\d.])').test(dump); + }; + const added = []; + for (const r of specLinesFromLayout(layout)) { + if (has(r.value)) continue; + if ((product.extraSpecs || []).some((x) => normSpec(x.label) === normSpec(r.label))) continue; + product.extraSpecs = [...(Array.isArray(product.extraSpecs) ? product.extraSpecs : []), { label: r.label, value: r.value, afterLabel: '' }]; + added.push(`${r.label}=${r.value}`); + } + return added; +} + // 复用同一个OCR worker,避免每次请求都重新初始化/重新下载语言包 let ocrWorkerPromise = null; function getOcrWorker() { @@ -734,6 +788,13 @@ chargeCurrent(充电电流)、dimensions(尺寸)、netWeight(净重) 这种情况显示时会自动排在最后)。注意:如果某一行明明能对应上面某个具名字段(比如"20尺柜"对应container20ft),必须优先填那个具名字段, 不要重复放进extraSpecs;只有真的找不到对应具名字段的参数才放进extraSpecs。 +【特别注意保留原文的参数名称和限定词】原文是中文的,extraSpecs 的 label 一字不改照抄原文左侧的参数名(去掉空格即可), +不要缩写、不要换成近义词:比如"参考内阻"不能写成"内阻","月自放电率"不能写成"自放电率","最大持续放电电流"不能写成"最大放电电流", +"壳体材料"不能写成"外壳材质","尺寸(长*宽*高*总高)"不能写成"尺寸"。数值连同括号里的条件、公差一起照抄(比如"7.3Kg(1±3%)"、"13mΩ(25°,满荷电)"、"2%(20℃)")。 +如果某一行填进了具名字段,而具名字段的中文名比原文少了限定词(月、持续、参考、峰值、总高等),把限定信息写进数值里, +比如原文"月自放电率 2%(20℃)"填 selfDischargeRate 时写"2%/月(20℃)"。 +原文规格参数表里的每一行都必须出现在输出里(具名字段或 extraSpecs 二选一),输出前逐行对照原文检查一遍,不能漏行。 + 【特别注意装箱数量容易被漏填】规格表如果出现"20尺柜/40尺柜/40高柜"这几行(通常在表格最下方,标注每种柜型能装多少台,如"1000PCS(无栈板)"), 必须提取到 container20ft / container40ft / container40hq 这三个字段里,不能因为在整个schema里排得靠后就跳过—— 提取完所有字段后,回头检查一遍原文里是否出现过"尺柜"或"PCS"这类字样,如果出现了但container20ft/container40ft/container40hq @@ -765,7 +826,7 @@ moduleDimensions/moduleWeight这组字段里就行,cabinetXxx那组(cabinetM "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", "category": "产品大类中文名,从这些里选最接近的:UPS不间断电源 / 光伏逆变器 / 储能电池;不确定就填 UPS不间断电源", - "type": "细分品类中文名。如果是这种带USB/DC/POE多路直流输出口的小型UPS,填 迷你UPS;如果是没有LCD/LED显示、简单的家用小型UPS(型号通常带Offline/后备式字样),填 离线式UPS;如果是这种离线式/后备式UPS但电池是锂电池(Lithium-ion、LiFePO4、锂电、磷酸铁锂),填 离线式锂电UPS;如果标注了Line-Interactive/互动式,填 在线互动式UPS;如果是True double-conversion/真双变换在线式且明确标注了机架安装、2U/3U/4U这种机架单位、rack-mount字样,填 机架式UPS;如果是同样的机架式在线UPS,但电池是锂电池(Lithium-ion、LiFePO4、锂电、磷酸铁锂),填 机架式锂电UPS;如果同样是True double-conversion/真双变换在线式,但看起来是塔式/立式外观(没有明确的机架安装标注),填 在线式高频UPS;这两个类型区分不确定的话,优先填 在线式高频UPS,用户在确认预览阶段还可以手动改;如果是在线式UPS且锂电池内置在UPS机身里、电池节数可选(比如\"All-in-One\"、\"Lithium battery built in\"、\"Scalable battery count\"、同一型号有2/4/6节电池几种配置),填 一体式锂电UPS;如果产品大类是储能电池,且是挂墙安装的锂电池(Wall-mounted / Powerwall),填 壁挂式锂电池;如果是落地放置、带轮子或立式的家用锂电池包(Floor-mounted / Floor-standing / 带滚轮),填 落地式锂电池;如果是高压(额定电压一两百伏以上,比如 204.8V、409.6V)的机柜式磷酸铁锂电池(Cabinet LiFePO4 Battery、按 U 数标机柜尺寸、给 UPS 或高压逆变器用),填 磷酸铁锂储能柜;如果是 12.8V / 25.6V / 51.2V 的磷酸铁锂电池、用来直接替换铅酸电池(Lead-Acid Replacement / Drop-in,型号像 12V7AH、24V100AH),填 锂电替换铅酸电池,并且 name 前面加 LFP- 前缀(比如 12V7AH 写成 LFP-12V7AH,原型号已经有 LFP 前缀的不要重复加);如果是 12V(或 6V、2V)阀控式铅酸蓄电池(VRLA、AGM、GEL 胶体、Lead Acid、阀控式密封铅酸蓄电池、固定型免维护蓄电池,型号像 SK100-12、SK250-12v、6-GFM-100),填 铅酸电池,并且:moduleVoltage 填额定电压数字(如 12),moduleCapacity 填规格表的额定容量 Ah 数字(如 250,不要用 20HR 实测的 261.8 这种),moduleDimensions 填 长*宽*高*总高(如 520*269*220*224),moduleWeight 只填重量数字(如 69),cycleLife 有循环寿命就填,铅酸电池的其他参数和放电表按 extraSpecs 字段说明里的【铅酸电池】要求填;如果是电池和逆变器做在一起的家用储能一体机(All-in-One ESS、Battery + inverter integrated),挂墙安装的(Wall-Mounted)填 壁挂式储能一体机,落地放置的(Floor-Standing)填 落地式储能一体机,工商业户外储能柜(C&I Outdoor ESS Cabinet,电池 + PCS 一体、IP54、交流功率几十到上百 kW):风冷(Air-Cooled)填 风冷工商业储能柜,液冷(Liquid-Cooled)填 液冷工商业储能柜,交流功率填 ratedPower(单位 kW),电池容量填 moduleMaxEnergy,光伏 DC-DC 和 STS 的参数放 extraSpecs(不支持的写 /);逆变器主机加一层层电池模块堆叠的(Stacked All-in-One ESS):高压电池(一两百伏以上)填 高压堆叠式储能一体机,低压电池(51.2V)填 低压堆叠式储能一体机,name 照规格表里的型号写(比如 2.5kWh + 3kW),逆变器功率填 ratedPower(单位 kW)、电池能量填 moduleMaxEnergy;如果产品大类是储能电池,且规格表明确分成"模块"和"电池系统柜/电池柜"两级、给UPS配套用的中大功率锂电池系统,填 UPS配套锂电池系统;如果产品大类是储能电池,且规格表里同时出现了电池参数(容量/电压/循环寿命等)和逆变器/充电器参数(太阳能充电器MPPT、交流充电、峰值功率、负载电压等),是电池和逆变器/充电控制器做在一起的家用一体机,填 家庭储能系统;如果产品大类是光伏逆变器,且明确标注了Hybrid/On-Off-Grid/混网/既能并网又能离网这种既能接市电又能脱网独立供电的能力(通常还带电池输入参数),填 太阳能混网逆变器;储能电池大类下其他常见值:铅酸电池、磷酸铁锂电池;光伏逆变器大类下其他常见值:并网/离网逆变器;UPS不间断电源大类下其他常见值:高频塔式UPS、工频UPS、模块化UPS(立式机柜,插功率模块)、机架式模块化UPS(19英寸机架安装的模块化UPS,标注了2U/3U/4U/6U这种机架单位或rack-mount,插功率模块);不确定就留空字符串", + "type": "细分品类中文名。如果是这种带USB/DC/POE多路直流输出口的小型UPS,填 迷你UPS;如果是没有LCD/LED显示、简单的家用小型UPS(型号通常带Offline/后备式字样),填 离线式UPS;如果是这种离线式/后备式UPS但电池是锂电池(Lithium-ion、LiFePO4、锂电、磷酸铁锂),填 离线式锂电UPS;如果标注了Line-Interactive/互动式,填 在线互动式UPS;如果是True double-conversion/真双变换在线式且明确标注了机架安装、2U/3U/4U这种机架单位、rack-mount字样,填 机架式UPS;如果是同样的机架式在线UPS,但电池是锂电池(Lithium-ion、LiFePO4、锂电、磷酸铁锂),填 机架式锂电UPS;如果同样是True double-conversion/真双变换在线式,但看起来是塔式/立式外观(没有明确的机架安装标注),填 在线式高频UPS;这两个类型区分不确定的话,优先填 在线式高频UPS,用户在确认预览阶段还可以手动改;如果是在线式UPS且锂电池内置在UPS机身里、电池节数可选(比如\"All-in-One\"、\"Lithium battery built in\"、\"Scalable battery count\"、同一型号有2/4/6节电池几种配置),填 一体式锂电UPS;如果产品大类是储能电池,且是挂墙安装的锂电池(Wall-mounted / Powerwall),填 壁挂式锂电池;如果是落地放置、带轮子或立式的家用锂电池包(Floor-mounted / Floor-standing / 带滚轮),填 落地式锂电池;如果是高压(额定电压一两百伏以上,比如 204.8V、409.6V)的机柜式磷酸铁锂电池(Cabinet LiFePO4 Battery、按 U 数标机柜尺寸、给 UPS 或高压逆变器用),填 磷酸铁锂储能柜;如果是 12.8V / 25.6V / 51.2V 的磷酸铁锂电池、用来直接替换铅酸电池(Lead-Acid Replacement / Drop-in,型号像 12V7AH、24V100AH),填 锂电替换铅酸电池,并且 name 前面加 LFP- 前缀(比如 12V7AH 写成 LFP-12V7AH,原型号已经有 LFP 前缀的不要重复加);如果是 12V(或 6V、2V)阀控式铅酸蓄电池(VRLA、AGM、GEL 胶体、Lead Acid、阀控式密封铅酸蓄电池、固定型免维护蓄电池,型号像 SK100-12、SK250-12v、6-GFM-100),填 铅酸电池(用户已经预选了细分品类、且名字里带 铅酸 / 蓄电池 / VRLA / AGM / 胶体 / 阀控 的,比如"AGM阀控密封式免维护铅酸蓄电池",type 照用户预选的写,但下面这些铅酸电池规则同样全部适用),并且:moduleVoltage 填额定电压数字(如 12),moduleCapacity 填规格表的额定容量 Ah 数字(如 250,不要用 20HR 实测的 261.8 这种),moduleDimensions 填 长*宽*高*总高 的数字(如 520*269*220*224,不带单位),moduleWeight 填重量数字并保留原文括号里的公差(如 7.3(1±3%),不带 Kg),cycleLife 有循环寿命就填;铅酸电池除了这四项和 cycleLife 以外,规格参数表里的其他每一行(参考内阻、运行温度范围、温度对容量的影响、浮充电压、循环使用充电电压、温度补偿系数、最大充电电流、最大持续放电电流、月自放电率、端子、壳体材料等)一律放进 extraSpecs,label 照抄原文参数名、按原文顺序排列、afterLabel 填空字符串,不要填进 selfDischargeRate / maxDischargeCurrent / maxChargingCurrent / shellMaterial / operatingTemp 这些具名字段;放电表按 extraSpecs 字段说明里的【铅酸电池】要求填;如果是电池和逆变器做在一起的家用储能一体机(All-in-One ESS、Battery + inverter integrated),挂墙安装的(Wall-Mounted)填 壁挂式储能一体机,落地放置的(Floor-Standing)填 落地式储能一体机,工商业户外储能柜(C&I Outdoor ESS Cabinet,电池 + PCS 一体、IP54、交流功率几十到上百 kW):风冷(Air-Cooled)填 风冷工商业储能柜,液冷(Liquid-Cooled)填 液冷工商业储能柜,交流功率填 ratedPower(单位 kW),电池容量填 moduleMaxEnergy,光伏 DC-DC 和 STS 的参数放 extraSpecs(不支持的写 /);逆变器主机加一层层电池模块堆叠的(Stacked All-in-One ESS):高压电池(一两百伏以上)填 高压堆叠式储能一体机,低压电池(51.2V)填 低压堆叠式储能一体机,name 照规格表里的型号写(比如 2.5kWh + 3kW),逆变器功率填 ratedPower(单位 kW)、电池能量填 moduleMaxEnergy;如果产品大类是储能电池,且规格表明确分成"模块"和"电池系统柜/电池柜"两级、给UPS配套用的中大功率锂电池系统,填 UPS配套锂电池系统;如果产品大类是储能电池,且规格表里同时出现了电池参数(容量/电压/循环寿命等)和逆变器/充电器参数(太阳能充电器MPPT、交流充电、峰值功率、负载电压等),是电池和逆变器/充电控制器做在一起的家用一体机,填 家庭储能系统;如果产品大类是光伏逆变器,且明确标注了Hybrid/On-Off-Grid/混网/既能并网又能离网这种既能接市电又能脱网独立供电的能力(通常还带电池输入参数),填 太阳能混网逆变器;储能电池大类下其他常见值:铅酸电池、磷酸铁锂电池;光伏逆变器大类下其他常见值:并网/离网逆变器;UPS不间断电源大类下其他常见值:高频塔式UPS、工频UPS、模块化UPS(立式机柜,插功率模块)、机架式模块化UPS(19英寸机架安装的模块化UPS,标注了2U/3U/4U/6U这种机架单位或rack-mount,插功率模块);不确定就留空字符串", "machineVariant": "标准机型 或 长延时机型:按前面【型号(L)拆分规则】判断,标准机型(内置电池)填\"标准机型\",长延时机型(外接电池,通常型号带L后缀)填\"长延时机型\";不属于这种拆分场景的常规产品,按容量(Capacity)判断——容量超过10KVA的默认填\"长延时机型\"(10KVA以上的UPS机型基本都是外接电池、不含内置电池了);容量在10KVA以内、或者看不出容量,才默认填\"标准机型\"", "powerOrCapacity": "功率/容量;如果是迷你UPS,这里填输出功率(如 17W);如果是UPS不间断电源大类下的其他细分品类(离线式UPS/离线式锂电UPS/在线互动式UPS/机架式UPS/在线式高频UPS/工频UPS/高频塔式UPS/模块化UPS,以及以后系统里新增的其他细分品类),这里填Capacity/容量,\n 格式统一成\"kVA数值/kW数值\"(如 250KVA/200KW):原文如果已经配套给出了kVA和kW两个数值(比如\"60KVA/48KW\"或者两行分别写VA和W),直接按原文两个数值拼成这个格式;\n 如果原文只给了kVA(比如\"Rated Capacity: 250KVA\"),要去规格表里找Output Power Factor/负载功率因数/输出功率因数这一项(哪怕它属于别的字段比如outputPowerFactor对应的那一行),\n 用 kVA数值 × 功率因数 算出kW数值(比如250KVA×0.8=200KW),四舍五入到整数,拼成\"250KVA/200KW\"这样的组合字符串;如果原文既没给kW、也找不到功率因数算不出来,就只填kVA部分(如\"250KVA\");\n 其他情况不确定就填空字符串", "voltage": "如果是迷你UPS,这里填输入电压,如 100~240Vac/50-60Hz;如果是离线式UPS/离线式锂电UPS/在线互动式UPS/机架式UPS,这个字段不用填(用下面的inputVoltage/outputVoltage代替);其他情况填常规电压参数,不确定填空字符串", @@ -873,8 +934,8 @@ moduleDimensions/moduleWeight这组字段里就行,cabinetXxx那组(cabinetM "container20ft": "装箱数量:20尺柜能装多少台(无栈板),如 1000PCS;不适用/未提供就填空字符串", "container40ft": "装箱数量:40尺柜能装多少台(无栈板),如 2080PCS;不适用/未提供就填空字符串", "container40hq": "装箱数量:40高柜能装多少台(无栈板),如 2340PCS;不适用/未提供就填空字符串", - "extraSpecs": "数组,装那些在上面所有具名字段里都找不到匹配、但原文规格表里确实出现的参数行,每项格式 {\\"label\\":\\"参数名,必须翻译成中文,不管原文是什么语言\\",\\"value\\":\\"原文右侧数值,保持原样不翻译\\",\\"afterLabel\\":\\"这条参数在原文里紧挨着的上一个已知具名字段的中文标签,找不到就填空字符串\\"};没有这种情况就填空数组[],不要为了凑数编造内容。【铅酸电池】type 是 铅酸电池 时,extraSpecs 必须包含这些行(原文有才填):{\"label\":\"容量率\",\"value\":\"10HR 或 20HR\"}(看额定容量后面标的是 10HR 还是 20HR,比如标签上 250Ah/10HR,或技术参数表里额定容量对应的小时率;标题里写 20HR 就是 20HR)、{\"label\":\"电池系列\",\"value\":\"AGM备用型 / 深循环 / 胶体GEL / 高倍率HR / 前置端子 之一\"}(原文写胶体/GEL 填 胶体GEL;写深循环/Deep Cycle 填 深循环;写高倍率/High Rate/HR 且主要给 UPS 用 填 高倍率HR;端子在正面、给通信机柜用的 填 前置端子;其他固定型/备用/免维护 填 AGM备用型)、设计寿命(如 8年(浮充))、端子(如 M8 或 Φ20*M8)、浮充电压、循环充电电压、最大充电电流、内阻;放电表的每一行(每个终止电压一行)各写成一条:恒功率表 label 写 \"恒功率放电(W) 终止电压10.50V\"(表头是每单格电压、每单格瓦数的,比如 F.V/Time 1.75V/Cell、CP Unit:W,就照写 \"恒功率放电(W) 终止电压1.75V/Cell\",数值照抄不要换算),value 写 \"10min=4087; 15min=3740; 30min=2380; 1h=1459; 2h=839; 3h=644; 4h=517; 5h=441; 8h=296; 10h=271; 20h=148\"(时间和数值一一对应,照原表抄,不要漏列);恒流表 label 写 \"恒流放电(A) 终止电压10.50V\",value 格式相同", - "sellingPoints": "如果原文里除了技术规格表之外,还有一些营销性质的卖点/主要特点描述(通常是几条带图标或项目符号的短句,比如\"Up-to-36A maximum input current\"、\"IP66 design\"这种面向客户宣传的亮点,不是纯技术参数表格里的数值),把这些提取出来,每条一行,用\\n分隔;如果原文只有技术规格表、没有这种营销卖点描述,就填空字符串,不要自己瞎编凑数", + "extraSpecs": "数组,装那些在上面所有具名字段里都找不到匹配、但原文规格表里确实出现的参数行,每项格式 {\\"label\\":\\"参数名,必须翻译成中文,不管原文是什么语言\\",\\"value\\":\\"原文右侧数值,保持原样不翻译\\",\\"afterLabel\\":\\"这条参数在原文里紧挨着的上一个已知具名字段的中文标签,找不到就填空字符串\\"};没有这种情况就填空数组[],不要为了凑数编造内容。【铅酸电池】type 是 铅酸电池(或用户预选的细分品类名里带 铅酸 / 蓄电池 / VRLA / AGM / 胶体 / 阀控)时,extraSpecs 必须包含这些行(原文有才填,label 用原文的叫法,比如原文写"参考内阻"就写"参考内阻"):{\"label\":\"容量率\",\"value\":\"10HR 或 20HR\"}(看额定容量后面标的是 10HR 还是 20HR,比如标签上 250Ah/10HR,或技术参数表里额定容量对应的小时率;标题里写 20HR 就是 20HR)、{\"label\":\"电池系列\",\"value\":\"AGM备用型 / 深循环 / 胶体GEL / 高倍率HR / 前置端子 之一\"}(原文写胶体/GEL 填 胶体GEL;写深循环/Deep Cycle 填 深循环;写高倍率/High Rate/HR 且主要给 UPS 用 填 高倍率HR;端子在正面、给通信机柜用的 填 前置端子;其他固定型/备用/免维护 填 AGM备用型)、设计寿命(如 8年(浮充))、端子(如 M8 或 Φ20*M8)、浮充电压、循环使用充电电压、最大充电电流、内阻(这几行最容易漏,输出前对照原文确认);放电表的每一行(每个终止电压一行)各写成一条:恒功率表 label 写 \"恒功率放电(W) 终止电压10.50V\"(表头是每单格电压、每单格瓦数的,比如 F.V/Time 1.75V/Cell、CP Unit:W,就照写 \"恒功率放电(W) 终止电压1.75V/Cell\",数值照抄不要换算),value 写 \"10min=4087; 15min=3740; 30min=2380; 1h=1459; 2h=839; 3h=644; 4h=517; 5h=441; 8h=296; 10h=271; 20h=148\"(时间和数值一一对应,照原表抄,不要漏列);恒流表 label 写 \"恒流放电(A) 终止电压10.50V\",value 格式相同", + "sellingPoints": "如果原文里除了技术规格表之外,还有一些营销性质的卖点/主要特点描述(通常是几条带图标或项目符号的短句,比如\"Up-to-36A maximum input current\"、\"IP66 design\"这种面向客户宣传的亮点,不是纯技术参数表格里的数值),把这些提取出来,每条一行,用\\n分隔;如果原文只有技术规格表、没有这种营销卖点描述,就填空字符串,不要自己瞎编凑数。原文卖点是中文的,逐字照抄原文句子(只去掉多余空格和换行),不要改写、不要换词(比如\"排气结构\"不能写成\"板栅结构\")、不要删减并列的特点、更不要加原文没有的说法(比如原文没写\"使用寿命长\"就不能加)", "notes": "其他有用但上面字段装不下的信息,一两句话,没有就填空字符串" } @@ -978,14 +1039,21 @@ app.post('/api/ai/parse-catalog', requireAuth, aiLimiter, (req, res) => { tmpDir = fs.mkdtempSync(path.join(OCR_TMP_ROOT, 'catalog-ocr-')); const imagePaths = []; const htmlTextParts = []; // HTML文件不用OCR,直接读文字内容(保留表格标签结构,AI能看懂rowspan这种分组关系) + const pdfTextParts = []; // 有文字层的PDF不用OCR,直接取文字(见 pdfTextLayer) for (const file of req.files) { const isPdf = (file.mimetype || '').includes('pdf') || file.originalname.toLowerCase().endsWith('.pdf'); const isImage = (file.mimetype || '').startsWith('image/'); const isHtml = (file.mimetype || '').includes('html') || /\.html?$/i.test(file.originalname); if (isPdf) { const pdfSubDir = fs.mkdtempSync(path.join(tmpDir, 'pdf-')); - const pages = await renderPdfToImages(file.buffer, pdfSubDir); - imagePaths.push(...pages); + const layer = await pdfTextLayer(file.buffer, pdfSubDir); + if (layer) { + console.log('[AI导入] 使用PDF文字层:', file.originalname, layer.length, '字'); + pdfTextParts.push(`【PDF文字层:${file.originalname}(规格书自带的文字,数字准确;按版面排列,同一行左边是参数名、右边是数值,右侧可能夹着旁边一栏的文字,注意区分)】\n${layer}`); + } else { + const pages = await renderPdfToImages(file.buffer, pdfSubDir); + imagePaths.push(...pages); + } } else if (isImage) { const ext = path.extname(file.originalname) || '.png'; const imgPath = path.join(tmpDir, `img_${imagePaths.length}${ext}`); @@ -1000,7 +1068,7 @@ app.post('/api/ai/parse-catalog', requireAuth, aiLimiter, (req, res) => { } const ocrText = imagePaths.length ? await ocrImages(imagePaths) : ''; - const text = [ocrText, ...htmlTextParts].filter(Boolean).join('\n\n--- 下一份文件 ---\n\n'); + const text = [ocrText, ...pdfTextParts, ...htmlTextParts].filter(Boolean).join('\n\n--- 下一份文件 ---\n\n'); console.log('[AI导入] OCR/HTML文本长度:', text.length, '| 含"应用":', text.includes('应用'), '| 含"尺柜":', text.includes('尺柜')); if (!text) return res.status(400).json({ error: '没有识别/读取到任何文字内容,请确认文件清晰、内容完整' }); @@ -1035,6 +1103,11 @@ app.post('/api/ai/parse-catalog', requireAuth, aiLimiter, (req, res) => { brand: hintBrand || p.brand, type: hintType || p.type, })); + // 一个PDF文字层 → 一个产品:逐行核对,AI漏掉的参数行补进 extraSpecs + if (finalProducts.length === 1 && pdfTextParts.length === 1 && !imagePaths.length && !htmlTextParts.length) { + const added = fillMissingSpecRows(finalProducts[0], pdfTextParts[0]); + if (added.length) console.log('[AI导入] 漏行补回:', finalProducts[0].name, added.join(' / ')); + } finalProducts.forEach(fp => { if (Array.isArray(fp.extraSpecs) && fp.extraSpecs.length) { console.log('[AI导入] extraSpecs for', fp.name, ':', JSON.stringify(fp.extraSpecs));