InteractiveHtmlBom组件分组功能使用指南
2025-06-16 10:08:42作者:何将鹤
组件分组功能原理
InteractiveHtmlBom是一款用于生成交互式BOM表的工具,其核心功能之一是对电子元件进行智能分组。在实际PCB设计中,经常会出现多个相同型号的元件分布在电路板不同位置的情况。通过分组功能,可以将这些相同元件合并显示,大大简化BOM表的查看和管理。
分组字段配置方法
分组功能通过--group-fields参数实现,该参数指定用于分组的元件属性字段。常见的使用场景是按照元件型号(PART_NUMBER)进行分组:
python generate_interactive_bom.py design.json --group-fields "PART_NUMBER"
常见配置误区
很多用户会遇到分组效果不符合预期的情况,这通常是由于错误地同时使用了--extra-fields参数。该参数实际上会同时影响分组字段和显示字段,导致非预期的分组行为。
错误示例:
--group-fields "PART_NUMBER" --extra-fields "PART_NUMBER,Y"
正确做法是明确区分分组字段和显示字段:
--group-fields PART_NUMBER --show-fields Value,Footprint,PART_NUMBER,Y
显示字段与分组字段的关系
- 分组字段:决定哪些元件会被合并为一组
- 显示字段:控制BOM表中显示的列信息
两者需要分开配置才能获得预期的分组效果。如果希望某字段既用于分组又显示在表中,需要在两个参数中都包含它。
界面交互功能
InteractiveHtmlBom生成的BOM表具有丰富的交互功能:
- 列显示控制:可以隐藏/显示特定列
- 元件筛选:通过复选框选择显示/隐藏特定元件
- 重置功能:通过菜单中的"Reset all settings"可以清除所有本地存储的界面配置
这些界面设置会保存在浏览器的本地存储中,不会影响原始数据文件。当需要恢复默认视图时,使用重置功能即可。
最佳实践建议
- 优先使用
PART_NUMBER作为分组字段,这是最常用的元件标识 - 对于需要特殊处理的元件,可以考虑添加额外分组字段
- 显示字段应包含足够的设计信息,如Value、Footprint等
- 定期清理浏览器缓存,特别是在分享BOM表给他人查看时
通过合理配置分组功能,可以显著提高PCB设计审查和元件采购的效率,特别是在处理包含大量重复元件的大型设计时。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137