استخراج مشخصات فنی از کاتالوگ زمانی مفید است که اطلاعات هر مدل به ردیف و فیلد درست برسد. یک PDF صنعتی ممکن است تصویر محصول، جدول ابعاد، توضیح مشترک یک خانواده و پاورقی محدودیت کاربرد را کنار هم داشته باشد. کپی‌کردن متن همه این بخش‌ها به توضیح محصول، رابطه میان داده‌ها را از بین می‌برد.
خروجی مناسب به تأمین‌کننده در پاسخ به استعلام و تکمیل سایت کمک می‌کند. انتخاب فنی تجهیز برای کاربرد مشخص، همچنان نیازمند نظر مسئول فنی است.
پیش از استخراج، کاربرد خروجی را تعیین کنید
جدول مناسب سایت با جدول تدارکات لزوماً یکسان نیست. برای سایت، ویژگی قابل فیلتر مانند جنس، سایز یا نوع اتصال اهمیت دارد. برای استعلام، ممکن است کد سازنده، مدل دقیق، واحد سفارش و پیوند به صفحه کاتالوگ مهم‌تر باشد. از ابتدا مشخص کنید کدام فیلد الزامی است، کدام فیلد می‌تواند خالی بماند و چه کسی آن را تأیید می‌کند.
تعریف ویژگی را بنویسید: قطر داخلی، خارجی یا نامی؟ واحد، شرایط آزمون و یادداشت سازنده را از مقدار جدا نکنید. اگر سند تعریف را روشن نکرده، داده در وضعیت بررسی بماند.
ساختار پیشنهادی جدول مشخصات
الگوی زیر را برای گروه کالای واقعی تنظیم و مقدار خام و استانداردشده را جدا نگهداری کنید.
| فیلد | چه چیزی ثبت شود؟ | خطای قابل پیشگیری |
|---|---|---|
| کد سازنده، مدل و SKU | شناسه منبع و شناسه داخلی، جداگانه | یکی‌شدن مدل‌های دارای نام مشابه |
| نام ویژگی | تعریف روشن مانند قطر خارجی | تبدیل چند مفهوم متفاوت به «سایز» |
| مقدار خام و واحد | عبارت سند همراه با واحد و علامت‌ها | گم‌شدن بازه، علامت منفی یا تلرانس |
| مقدار استانداردشده | مقدار قابل فیلتر طبق قاعده مصوب | تبدیل یا گردکردن بی‌اجازه |
| شرط و دامنه کاربرد | پاورقی، محدودیت و مدل‌های مشمول | تعمیم ویژگی یک مدل به همه محصولات |
| منبع و بازبینی | فایل، نسخه، صفحه و وضعیت تأیید | استفاده از داده قدیمی بدون امکان پیگیری |
پنج مرحله برای تبدیل کاتالوگ به داده محصول
۱. نسخه معتبر و صفحات مرتبط را مشخص کنید
فایل اصلی را با نام و نسخه قابل تشخیص نگه دارید. تاریخ دریافت را جدا از تاریخ انتشار سند ثبت کنید. اگر چند نسخه دارید، صرف جدیدتر بودن نام فایل دلیل کافی برای جایگزینی همه مشخصات نیست؛ تفاوت مدل‌ها و دامنه تغییر باید بررسی شود. هنگام اختلاف دو منبع، مورد را با هر دو ارجاع به کارشناس تحویل دهید.
۲. متن، جدول و تصویر را جداگانه بررسی کنید
در فایل دارای متن، استخراج مستقیم را روی یک نمونه آزمایش کنید. در اسکن، OCR می‌تواند متن تصویر را قابل انتخاب کند؛ این کاربرد در مستند Adobe برای اسکن و تشخیص متن توضیح داده شده است. استخراج متن، جای بررسی نمودار، نقشه ابعادی یا پاورقی را نمی‌گیرد.
ابزار باید رابطه عنوان جدول با ردیف‌ها و ستون‌ها را حفظ کند. اگر یک سلول ادغام‌شده برای چند مدل معتبر است، این دامنه باید ثبت شود. حروف و اعداد شبیه یکدیگر، واحدهای کوچک و علامت‌هایی مانند ± را در تصویر اصلی کنترل کنید. داده ناخوانا را «نامشخص» نگه دارید؛ تکمیل از روی حدس، اطلاعات تازه و بی‌منبع تولید می‌کند.
۳. مدل و تنوع را از هم تفکیک کنید
یک خانواده کالا ممکن است ده‌ها مدل و هر مدل چند گزینه قابل سفارش داشته باشد. ابتدا واحد هر ردیف را تعیین کنید: خانواده، مدل یا ترکیب مشخص ویژگی‌ها. کد سازنده را عیناً نگه دارید و SKU داخلی را در ستون جدا قرار دهید. شباهت ظاهری، نام کوتاه یا عکس مشترک، دلیل کافی برای ادغام دو ردیف نیست.
۴. ویژگی‌ها را با واژه‌نامه یکدست کنید
برای هر گروه کالا، واژه‌نامه کوتاهی از نام ویژگی‌ها و شکل نوشتن مقدارها بسازید. تفاوت‌های تایپی را می‌توان یکسان کرد، اما دو جنس، استاندارد یا واحد متفاوت نباید بدون بررسی فنی معادل فرض شوند. هوش مصنوعی می‌تواند پیشنهاد نگاشت بدهد؛ قاعده نهایی باید قابل توضیح و تکرار باشد و مقدار اصلی همچنان حفظ شود.
۵. استثناها را پیش از خروجی‌گرفتن بازبینی کنید
کد تکراری، فیلد الزامی خالی، واحد ناسازگار، اختلاف نسخه و تناقض میان جدول و متن را در فهرست جدا بیاورید. مسئول فنی داده تخصصی و مسئول محصول تطبیق شناسه‌ها را بررسی کند. در پایلوت، نمونه‌ای از هر ساختار و همه موارد مبهم بررسی شود؛ دامنه بازبینی نهایی باید با حساسیت کالا و نتیجه پایلوت تعیین شود.
نمونه کاملاً فرضی: یک ویژگی، دو مدل
این نمونه کاملاً فرضی و فقط برای نمایش ساختار داده است؛ مشخصات هیچ کالای واقعی یا مشتری نیست. فرض کنید کاتالوگ آموزشی «نمونه B، نسخه ۳» در صفحه ۸ دو مدل DEMO-A و DEMO-B دارد. در جدول، طول آن‌ها به‌ترتیب 120 mm و 150 mm نوشته شده و جنس فقط برای مدل اول مشخص است.
هر مدل ردیف مستقل می‌گیرد. طول خام همراه واحد حفظ می‌شود و مقدار قابل فیلتر با واحد «میلی‌متر» ثبت می‌شود. جنس مدل دوم «نامشخص» می‌ماند؛ جنس مدل اول یا عکس مشترک نباید جای داده مفقود آن قرار گیرد.
چگونه داده تأییدشده وارد سایت شود؟
پس از تثبیت جدول، فیلدهای آن را به ساختار واقعی سایت نگاشت کنید. راهنمای رسمی CSV ووکامرس ستون‌های ویژگی، مقدار و شناسه محصول را مشخص می‌کند. فیلد سفارشی نیازمند نگاشت سازگار با همان فروشگاه است. جدول کاری دارای شاهد و یادداشت بازبین را جدا از فایل ورود نگه دارید و ورود نمونه را روی محیط آزمایشی بررسی کنید.
برای انتشار، فقط ردیف‌های تأییدشده را انتخاب کنید و نمایش ویژگی‌ها، گزینه‌های محصول و شناسه را پس از ورود بازخوانی کنید. اگر پروژه شامل قیمت هم هست، واحد ریال یا تومان باید جداگانه کنترل شود؛ وجود مشخصات فنی معتبر، اعتبار قیمت را ثابت نمی‌کند. تفاوت قیمت نسخه‌ها نیز مسیر کنترل مستقل دارد.
شروع با یک خانواده محصول
پایلوت را با یک خانواده کالا شروع کنید؛ جدول فیلدها، ارجاع صفحه و فهرست ابهام‌ها را تحویل بگیرید. زمان بازبینی و اصلاحات، مبنای تصمیم برای گسترش کار باشد.
اگر مسئله اصلی خواندن و ساختاردهی سند است، خدمت استخراج اطلاعات از PDF به تعریف خروجی کمک می‌کند. اگر هدف تکمیل فروشگاه است، دامنه آماده‌سازی محصولات سایت از کاتالوگ و اکسل باید تطبیق و ورود داده را هم پوشش دهد. برای بررسی فرایند شرکت، نوع کالا، تعداد مدل‌ها و مقصد خروجی را شرح دهید؛ انتخاب نمونه مجاز پس از هماهنگی انجام می‌شود.
پرسش و پاسخ
نباید مشخصات فنی را از روی شباهت یا حدس کامل کرد. فیلد فاقد شاهد، نامشخص می‌ماند و برای دریافت سند معتبر یا تأیید مسئول فنی ارجاع می‌شود.
هر دو مقدار را همراه نسخه و صفحه منبع ثبت کنید و اختلاف را به مسئول فنی نشان دهید. نسخه جدید نباید بدون بررسی دامنه تغییر، همه اطلاعات مدل قبلی را جایگزین کند.
ابتدا باید شناسه‌ها و ویژگی‌ها با ساختار همان فروشگاه تطبیق داده شوند. سپس فایل ورود جداگانه‌ای از ردیف‌های تأییدشده ساخته و روی چند محصول آزمایش شود.
یک خانواده محصول با چند مدل و صفحات نماینده از ساختارهای متفاوت کاتالوگ مناسب است. نمونه باید شامل جدول، پاورقی و موارد مبهم باشد تا محدودیت‌های واقعی استخراج روشن شود.
گفتگو
دیدگاه‌ها و پرسش‌های شما
اگر درباره این نوشته تجربه، سوال یا نکته‌ای دارید، همین‌جا بنویسید تا گفتگو برای خوانندگان بعدی هم کامل‌تر شود.