公司信息提取 API：99% 准确率和与 1C 集成

## 自动化提取企业基本信息：如何将文档错误率降低 99%

从 PDF 或 DOCX 文件手动输入 INN、KPP 和银行账户，很容易导致错误、付款延误和罚款。所有文档中，有三分之一存在不准确信息。解决方案是结合校验和验证的上下文 NER 解析。下面是 API 的技术描述、性能基准以及 1C 示例。

自动提取企业基本信息的工作原理

流程从上传文本文档开始。支持的格式包括 PDF（带文本层）、DOCX、DOC、TXT、RTF 和 HTML。不支持未经 OCR 处理的扫描图像——系统仅处理机器可读文本。收到文件后，会启动五个阶段的处理管道：

• 文本提取——针对每种格式使用内部解析器，包括恢复无 BOM 的编码如 CP1251。
• 规范化——修复单词断行、合并连字符、清理布局残留。
• NER 识别——专有模型识别法律意义上重要的实体：INN、KPP、OGRN、银行账户、BIC、银行名称。
• 校验和验证——每个字段按照俄罗斯联邦税务局和俄罗斯中央银行的算法进行检查。无效数据不会返回。
• 结构化响应生成——干净字段的 JSON，随时可导入 1C、CRM 或 ERP。

系统不依赖简单的正则表达式，而是使用上下文分析：例如，“银行账户”应靠近银行名称，INN 应位于交易对手信息块中。这能显著降低假阳性。

准确率与性能：真实数据

在 10,000 份文档的测试样本上，取得了以下指标：

• INN / OGRN：99.7%——仅在布局极度扭曲时才会出错。
• 银行账户：98.9%——主要错误源于格式差的文本中数字合并。
• BIC：99.5%——得益于 BIC 的严格结构和校验位。

处理速度取决于格式和大小：

• 轻量 DOCX（2 页）：约 1.5 秒。
• 含图形的大型 PDF：最长 45 秒。
• 最大文件大小：2 MB。
• 请求超时：120 秒。

限制源于对文档深层结构分析的需求。对于高负载系统，推荐通过 webhook 进行异步处理。

与 1C 的集成：实用示例

针对使用 1C 的会计和开发者，已提供现成处理模块。下面是从 1C 会计 3.0 的简化 API 调用代码：

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

输出是一个包含字段的结构：inn、kpp、ogrn、account、bic、bank_name。这些字段可立即用于创建交易对手记录、生成发票等操作。

部署位置与实际效果

该 API 已集成到多种业务系统中：

• B2B 平台和在线商店——法人注册时自动填充基本信息，减少因付款数据错误导致的拒绝。
• 银行——开户前自动校验客户记录，免除手动输入。
• 会计服务——从合同直接在 1C 中创建交易对手，无需操作员介入。
• CRM 和 ERP——系统间基本信息同步，消除重复和笔误。

经济效益：文档处理时间从 5–10 分钟缩短至 1–2 秒，错误率降低 99%，最大限度减少罚款和交易失败损失。

关键要点

• 仅限文本文档——不支持无 OCR 的扫描件。
• 验证强制执行——API 不会返回无效的 INN 或账户，即便找到了。
• 支持 CP1251——正确处理编码有问题的旧文档。
• 1C 现成解决方案——节省集成开发时间。
• 免费试用——30 天内 100 次请求，可用自家数据测试。

测试访问使用优惠码 1MHABR2026 激活，至 2026 年 5 月 30 日。通过网页表单或邮件获取 API 密钥。该系统已投入生产，作者用于自家自动化——这不是 MVP，而是工业级解决方案。

— Editorial Team