fix(tools): фильтр breadcrumb-таблиц со Scroll + fix classify_type
- _render_table(): пропускаем навигационные таблицы Help&Manual, где последняя колонка == "Scroll" (хлебные крошки per-section). - classify_type(): проверяем title на "интерфейс*" до проверки суффикса "definition" в ключе — исправляет ksXxxDefinition → interfaces/. - HtmlToMdExtractor: вход по id=hmpagebody_scroller (не topicbody) — обход бага Help&Manual с незакрытыми <a> в навигации. Результат: 2940 статей, 161 пропущена, 0 ошибок, 45 изображений. Синтаксис Automation/COM в code-fence, таблицы значений в MD-таблицах. Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
@@ -256,6 +256,12 @@ class HtmlToMdExtractor(HTMLParser):
|
||||
max_cols = max((len(r[1]) for r in self.table_rows), default=0)
|
||||
if max_cols == 0:
|
||||
return ""
|
||||
# Пропускаем навигационные breadcrumb-таблицы:
|
||||
# Help & Manual рендерит хлебные крошки как 2-колоночную таблицу,
|
||||
# где вторая колонка = "Scroll" (кнопка прокрутки).
|
||||
if any(len(r) >= 2 and r[-1].strip().lower() == "scroll"
|
||||
for _is_hdr, r in self.table_rows):
|
||||
return ""
|
||||
lines: list[str] = []
|
||||
header_done = False
|
||||
for _is_hdr, cells in self.table_rows:
|
||||
|
||||
Reference in New Issue
Block a user