InteractiveHtmlBom项目中Allegro导出JSON时底部层Value显示异常问题分析
2025-06-16 18:58:59作者:魏侃纯Zoe
问题现象描述
在使用InteractiveHtmlBom工具处理Allegro 17.4设计的PCB板时,用户发现一个特殊的显示问题:当尝试隐藏"Value"选项时,只有顶部(Top)层的元件值被成功隐藏,而底部(Bottom)层的元件值仍然可见。这个问题在关闭"Silkscreen"选项时则表现正常,此时所有丝印层内容(包括Value、Reference等)都会被正确隐藏。
问题根源探究
经过技术团队分析,发现问题的根源在于Allegro的JSON导出脚本exportJson.il存在逻辑缺陷。具体表现为:
- 底部层文本对象在导出JSON时出现了重复
- 其中一组文本对象具有正确的"rev"、"val"标记
- 另一组则缺少这些关键标记
- InteractiveHtmlBom工具基于输入数据正常工作,但接收到的数据本身存在问题
技术细节分析
通过对比导出脚本的代码实现,发现"add extra silkscreen layers (top)"和"add extra silkscreen layers (bottom)"两个部分的处理逻辑存在差异。在顶部层处理时,脚本正确地使用了"unless(elem->parent->refdes)"判断语句来过滤无效文本对象,但在底部层处理时遗漏了这一关键判断条件。
这种不对称的处理方式导致:
- 顶部层文本导出正常,InteractiveHtmlBom可以正确识别和控制显示/隐藏
- 底部层文本被重复导出,其中一组缺少必要的类型标记,导致显示控制失效
解决方案
针对这一问题,技术团队提出了明确的修复方案:
- 在exportJson.il脚本中统一顶部和底部层的处理逻辑
- 为底部层处理添加相同的"unless(elem->parent->refdes)"判断条件
- 确保所有文本对象都带有正确的类型标记
用户验证表明,在修改脚本后,底部层Value的显示控制功能恢复正常,与顶部层表现一致。
经验总结
这个案例为我们提供了几点重要的经验教训:
- 在处理多层PCB设计时,必须确保各层的导出逻辑一致
- 文本对象的类型标记是交互式BOM工具正确工作的关键
- 脚本开发中应避免复制粘贴代码后遗漏必要的修改
- 对于显示控制类问题,应先检查原始数据是否包含足够的控制信息
这个问题虽然表面上是显示控制问题,但实际根源在于数据导出阶段,提醒我们在处理EDA工具数据交互时要特别注意数据完整性和一致性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220