SoMark * 东软云科技:通用文档解析能力,支撑多领域企业服务软件开发

在企业服务软件开发中，业务文档是必不可少的数据输入。不同业务场景、功能设计的应用，对文档数据的需求都不一样。因此，开发团队往往面临着将各类分散资料整理为机器可调用数据的问题。

东软云科技是东软集团旗下的全资子公司，面向企业全球化成长提供一站式、全场景的智能数字服务，其服务覆盖电商、生命科学、智能制造、消费品、汽车等多个行业。

面向这类需要同时支持多行业、多场景的应用开发需求，SoMark 提供通用化文档解析能力，可将不同类型文档统一转化为 Markdown、JSON 结构化数据，以一个接口适配不同应用的开发需求。

东软云科技服务的业务领域广泛，所涉及的文档在版式、内容和信息组织方式上都有差别。

例如，药物安全信息管理应用要从药品资料、医学文献和不良反应记录中获取信息，用于咨询、事件处理和合规上报。财务运营自动化应用则要读取制度文件、发票和报表，完成审核、核算与报送。

SoMark 支持金融、工业、法律、医疗、教育、政府等多行业各种文档场景。面对不同类型的资料，SoMark 不以单一行业模板处理，而是依托自研的 OXR 算法，智能分析原文档的结构、内容以及阅读顺序，最终输出完整还原原文语义的结构化数据，供后续业务应用开发使用。

在一个完整的应用开发项目中，文档输入通常来自多个业务环节，格式并不统一。

以财务运营自动化应用为例，财务制度和监管要求可能以 PDF 存档，业务流程与报送模板常为 Word 文档，核算台账和对账明细保存在 Excel，发票、回单等凭证则可能以扫描件或图片留存。

SoMark 支持 26 种文档格式，覆盖 PDF、Word、PPT、Excel 等常见文档，并且兼容多种图片格式。各类业务资料无需预先进行格式的转换和处理，能够直接经 SoMark 解析统一输出为机器可读的 Markdown、JSON 结构化结果，从而更快接入应用开发流程。

应用功能的设计不同，所需的文档信息也会变化。

内容导航功能需要标题、目录与正文之间的完整关系；产品资料展示需要处理图片和图注；涉及表单、业务凭证和规范性文件时，二维码、印章、选项、填空等元素也可能成为要保留的信息。

SoMark 可识别标题、正文、表格、图片、公式、印章等 21 种文档元素。细粒度的解析结果能够适配多样化的功能设计，让应用从同一份结构化结果中按需调用相应信息。

当软件面向不同领域时，文档解析既要兼容多种格式和版式，也要适应各类业务资料，保留后续应用所需的信息。

SoMark 通过一个接口提供一套通用解析能力，将不同格式、版式和信息组织方式的文档统一转化为结构化数据，帮助软件开发服务商适配不同客户和项目中的文档差异，承接多领域的软件开发需求。

SoMark 为每位用户每月提供2,000页 API 免费解析额度（每日消耗上限500页），欢迎试用验证通用解析能力。

• 快速测试？登录官网 www.somark.cn，可上传文档在线可视化解析

• 接入开发？查看 新版API文档 开始配置

• 免费额度不够用？添加企微小助手，还可额外领取1,000页（一年有效，无使用限制）

SoMark企微小助手

在处理文档时，你还遇到过哪些让你头疼的解析场景？欢迎扫码加入我们的用户交流群。你可以第一时间获取产品更新，也可以与开发者、一线用户交流使用经验，反馈真实业务需求。

我们相信，每一次真诚的交流，都是产品进化的原点。期待听到你的声音！

SoMark用户交流群

AI+生产资料=生产力的真实替代，但85%+的生产资料仍被困在PDF、图像等非结构化的“暗数据”宇宙中。

SoMark文档智能因此而生，致力于不分场景地将PDF、图片等各种文档数据转化为统一的Markdown、Json标准结构化数据，旨在在超低硬件成本下以百毫秒级速度，让数据为大模型的训练及RAG、Agent等应用场景做好准备。

守扣科技是一家专注于文档智能领域的AI研发企业，目前已获得原子创投、奇绩创坛、天使会等顶级投资机构融资共计千万级天使轮融资。

好数据，决定好效果。我们的使命，是寻找碳基到硅基传递知识的最优解。

我们的愿景，是成为连接物理世界与数字世界的知识交换枢纽。