API pro extrakci rekvizit: přesnost 99 % a integrace s 1C

# Automatizace extrakce rekvizit: jak snížit chyby v dokumentech o 99 %

Ruční zadávání INN, KPP a čísel účtů z PDF nebo DOCX — přímá cesta k chybám, zadrženým platbám a pokutám. Třetina všech dokumentů obsahuje nepřesnosti. Řešení — kontextový NER-parsing s validací podle kontrolních součtů. Níže — technický popis API, benchmarky a příklad pro 1C.

Jak funguje automatická extrakce rekvizit

Proces začíná načtením textového dokumentu. Podporovány jsou PDF (s textovou vrstvou), DOCX, DOC, TXT, RTF a HTML. Skenované obrázky bez OCR nejsou zpracovávány — systém pracuje pouze se strojově čitelným textem. Po obdržení souboru se spustí řetězec pěti fází:

• Extrakce textu — používá se interní parser pro každý formát, včetně obnovení kódování jako CP1251 bez BOM.
• Normalizace — oprava přerušení slov, sloučení přenosů, čištění od artefaktů formátování.
• NER-rozpoznávání — vlastní model identifikuje právně významné entity: INN, KPP, OGRN, číslo účtu, BIK, název banky.
• Validace podle kontrolních součtů — každé pole je kontrolováno podle algoritmů FNS a CBRF. Nevalidní data nejsou vrácena.
• Vytvoření strukturované odpovědi — JSON s čistými poli připravenými k importu do 1C, CRM nebo ERP.

Systém nepoužívá jednoduché regulární výrazy. Místo toho kontextová analýza: například „číslo účtu“ musí být blízko názvu banky, INN v bloku s rekvizitami kontrahenta. To snižuje falešná spuštění.

Přesnost a výkon: reálná čísla

Na testovací sadě 10 000 dokumentů byly dosaženy tyto výsledky:

• INN / OGRN: 99,7 % — chyby vznikají jen při extrémně poškozeném formátování.
• Číslo účtu: 98,9 % — hlavní příčina chyb — slepené číslice v špatně naformátovaném textu.
• BIK: 99,5 % — díky striktní struktuře BIK a přítomnosti kontrolní číslice.

Rychlost zpracování závisí na formátu a velikosti:

• Lehký DOCX (2 stránky): ~1,5 sekundy.
• Těžký PDF s grafikou: až 45 sekund.
• Maximální velikost souboru: 2 MB.
• Timeout požadavku: 120 sekund.

Omezení vyplývají z potřeby hluboké analýzy struktury dokumentu. Pro vysoce zatížené systémy se doporučuje asynchronní zpracování přes webhook.

Integrace s 1C: praktický příklad

Pro účetní a vývojáře pracující s 1C je dostupná hotová obsluha. Níže — zjednodušený kód volání API z 1C Účetnictví 3.0:

Function IzvlechRekvizityIzFayla(FilePath)    
  URL = "https://api.sb-poisk.ru/v1/extract";    
  Headers = New Withotvetstvie;    
  Headers.Insert("X-API-Key", "VASh_KLYuCh");        
  FormData = New Withtruktura;    
  FormData.Insert("file", New DvoichnyeDannye(FilePath));
  HTTPConnection = New HTTPConnection(URL);
  Answer = HTTPConnection.SendForObrabotki("POST", Headers, FormData);
  Result = ProchitatJSON(Answer.PoluchitTeloKakWithtroku());        
  Return Result;
EndFunction

Na výstupu se vrací struktura s poli: inn, kpp, ogrn, account, bic, bank_name. Tyto údaje lze ihned použít k vytvoření karty kontrahenta, vystavení faktury nebo aktu.

Kde se zavádí a jaké výsledky přináší

API je již integrováno do několika typů obchodních systémů:

• B2B platformy a internetové obchody — automatické vyplnění rekvizit při registraci právnické osoby, snížení odmítnutí kvůli chybám v platebních údajích.
• Banky — automatická kontrola karet klientů před otevřením účtu, vyloučení ručního zadávání.
• Účetní služby — vytváření kontrahentů v 1C podle smlouvy bez zásahu operátora.
• CRM a ERP — synchronizace rekvizit mezi systémy, vyloučení duplicit a překlepů.

Ekonomický efekt: zkrácení času zpracování dokumentu z 5–10 minut na 1–2 sekundy, snížení chyb o 99 %, zmenšení pokut a ztrát z zmařených obchodů.

Co je důležité

• Pouze textové dokumenty — skeny bez OCR nejsou podporovány.
• Validace je povinná — API nevrací nevalidní INN nebo účty, i když jsou nalezeny.
• Podpora CP1251 — správné zpracování starých dokumentů s problematickým kódováním.
• Hotová řešení pro 1C — úspora času na vývoj integrace.
• Bezplatný test — 100 požadavků za 30 dní k ověření na vlastních datech.

Testový přístup se aktivuje promo kódem 1MHABR2026 do 30.05.2026. API klíč lze získat přes webový formulář nebo e-mailem. Systém běží v produkci a je používán autory pro vlastní automatizaci — to není MVP, ale průmyslové řešení.

— Editorial Team