Paperless-ngx
访问网站
扫码查看
复制链接

将纸质文档转换为可搜索的电子档案

标签：Docker , OCR , 开源 , 数字档案 , 文件管理 , 文档管理 , 无纸化

Paperless-ngx

AI生活娱乐 / 信息收纳/检索 / 电脑工具82 次浏览

综合介绍

Paperless-ngx 是一款开源的文档管理系统，它可以将你的纸质文件和电子文档，全部转换成一个统一的、可全文搜索的电子档案库。 这个项目是一个由社区支持的版本，它继承并发展自已停止维护的 Paperless-ng 项目，目标是提供一个功能强大且易于使用的无纸化解决方案。 系统的核心功能是光学字符识别（OCR），当你扫描或上传一份文件（如PDF、图片甚至Office文档）后，它会自动识别其中的文本内容，无论原文是扫描件还是照片。 通过这项技术，你可以像搜索网页一样，轻松地在堆积如山的文档中找到任何你需要的信息。此外，Paperless-ngx 还能通过机器学习技术，自动为你的文档添加标签、识别发件人并进行分类，大大减少了手动整理的工作量。 你可以为文档设置对应的发件人、类型、标签等多种分类方式，建立清晰的组织结构。对于需要长期保存的文档，系统会将其转换为 PDF/A 格式，这是一种为长期归档设计的标准格式。

功能列表

  • 光学字符识别 (OCR): 自动从PDF文件和图片中提取文本，使其内容可以被搜索。支持超过100种语言。
  • 支持多种文件类型: 支持处理PDF、图片、纯文本文件以及微软Office和LibreOffice的文档。
  • 归档与索引: 提供标签、发件人、文档类型等多种方式来组织和索引文件，方便分类管理。
  • 机器学习自动分类: 系统能从你整理的文档中学习，并自动为新录入的文档添加标签、发件人和文档类型。
  • 强大的全文搜索: 提供类似搜索引擎的体验，包括自动补全、相关度排序，并能在文档中高亮显示搜索结果。
  • 直观的网页应用: 拥有一个用户友好的网页界面，支持仪表盘定制、批量编辑、拖拽上传和自定义视图等功能。
  • 电子邮件集成: 可以配置IMAP邮箱，系统会自动拉取邮件附件并将其作为文档进行归档。
  • 长期存储格式: 所有文档最终会以PDF/A格式保存，确保文件可以被长期、可靠地访问。
  • 多用户支持: 支持创建多个用户账户，可以分别设置权限，方便家庭或团队共享使用。
  • 安装简便: 主要通过Docker进行部署，提供了安装脚本，大大简化了环境配置的复杂度。

使用帮助

Paperless-ngx 设计的初衷就是为了简化文档管理的流程，而其最推荐的部署方式是使用 Docker，这样可以确保环境的一致性并简化安装和更新流程。

第一步：环境准备 (Docker)

在开始之前，你需要在你的服务器或个人电脑上安装 Docker 和 Docker Compose。这是运行 Paperless-ngx 的基础环境。你可以从 Docker 官方网站找到适合你操作系统的安装指南。

第二步：下载并配置 Paperless-ngx

官方提供了一个非常方便的安装脚本，可以自动完成大部分配置工作。你只需要在终端中运行以下命令即可：

bash -c "$(curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh)"

这个脚本会引导你完成一系列的设置，包括创建必要的文件夹（如consume, media, data, export等）以及生成一个基础的 docker-compose.yml 文件和 .env 配置文件。

如果你想进行更详细的手动配置，可以按照以下步骤操作：

  1. 创建目录结构:首先，为你 Paperless-ngx 的所有数据创建一个主目录，并在其中创建几个子目录。 
    mkdir -p /opt/stacks/paperless-ngx
cd /opt/stacks/paperless-ngx
  2. 创建配置文件:在 paperless-ngx 目录下，你需要创建两个核心文件：docker-compose.yml 用于定义服务，以及 .env 用于存放环境变量。

    .env 文件内容示例:这个文件用来存放敏感信息和个性化配置。

    # 设置用户和组ID，确保文件权限正确
# 在Linux/macOS下通过运行 `id` 命令获取
USERMAP_UID=1000
USERMAP_GID=1000
# 设置系统时区，例如中国的时区
PAPERLESS_TIME_ZONE=Asia/Shanghai
# 一个用于加密的随机密钥，务必修改成一个无人知晓的复杂字符串
PAPERLESS_SECRET_KEY=a_very_long_and_random_string_of_characters
# 默认的OCR语言，chi_sim代表简体中文
PAPERLESS_OCR_LANGUAGE=chi_sim

    docker-compose.yml 文件内容示例:这是一个比较基础的配置，使用了 PostgreSQL 作为数据库。

    version: "3.4"
services:
broker:
image: docker.io/library/redis:7
restart: unless-stopped
volumes:
- redisdata:/data
webserver:
image: ghcr.io/paperless-ngx/paperless-ngx:latest
restart: unless-stopped
depends_on:
- broker
- db
ports:
- 8000:8000
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:8000"]
interval: 30s
timeout: 10s
retries: 3
volumes:
- data:/usr/src/paperless/data
- media:/usr/src/paperless/media
- export:/usr/src/paperless/export
- consume:/usr/src/paperless/consume
environment:
PAPERLESS_REDIS: redis://broker:6379
PAPERLESS_DBENGINE: postgresql
PAPERLESS_DBHOST: db
PAPERLESS_DBPORT: 5432
PAPERLESS_DBUSER: paperless
PAPERLESS_DBPASS: paperless
PAPERLESS_DBNAME: paperless
USERMAP_UID: ${USERMAP_UID:-1000}
USERMAP_GID: ${USERMAP_GID:-1000}
PAPERLESS_TIME_ZONE: ${PAPERLESS_TIME_ZONE:-UTC}
PAPERLESS_SECRET_KEY: ${PAPERLESS_SECRET_KEY}
PAPERLESS_OCR_LANGUAGES: chi_sim eng
PAPERLESS_OCR_LANGUAGE: ${PAPERLESS_OCR_LANGUAGE:-eng}
db:
image: docker.io/library/postgres:15
restart: unless-stopped
volumes:
- pgdata:/var/lib/postgresql/data
environment:
POSTGRES_DB: paperless
POSTGRES_USER: paperless
POSTGRES_PASSWORD: paperless
volumes:
data:
media:
export:
consume:
pgdata:
redisdata:

第三步：启动服务

配置完成后，在 docker-compose.yml 文件所在的目录中，运行以下命令来启动 Paperless-ngx 服务：

docker-compose up -d

Docker 会自动下载所需的镜像并根据你的配置启动所有容器。这个过程可能需要几分钟时间。

第四步：创建管理员用户

服务首次启动后，你需要创建一个管理员账户才能登录系统。执行以下命令，并按照提示输入你的用户名、邮箱（可选）和密码。

docker-compose run --rm webserver create_superuser

第五步：开始使用 Paperless-ngx

现在，一切准备就绪。打开你的网页浏览器，访问 http://<你的服务器IP>:8000。你会看到登录界面，使用刚刚创建的管理员账户登录即可。

核心操作流程:

  1. 上传文档：最直接的方式是将你的PDF或图片文件拖拽到网页仪表盘的上传区域。
  2. 设置消费文件夹 (Consume Folder)：这是 Paperless-ngx 强大的自动化功能之一。你可以将你的扫描仪设置为自动将扫描件保存到 consume 文件夹中。系统会定期检查这个文件夹，一旦发现新文件，就会自动将其导入、执行OCR并进行归档处理。
  3. 整理与搜索：
    • 处理文档：新导入的文档会出现在收件箱中。你可以点击文档，在右侧的编辑面板中为其添加标签、设置发件人、文档类型和创建日期等。
    • 利用机器学习：当你手动整理了足够多的文档后，Paperless-ngx 的机器学习功能就会开始发挥作用。它会自动为你推荐或直接应用标签和分类，你只需要检查并确认即可。
    • 全文搜索：在顶部的搜索框中输入任何关键词，无论是文件名、标签还是文档内容里的词语，系统都能快速帮你找到相关文件。

应用场景

  1. 个人家庭资料管理对于个人用户，Paperless-ngx 可以成为一个家庭数字文件中心。你可以用它来归档所有的账单、银行对账单、合同、保单、证书和收据。通过设置，扫描仪可以直接将文件发送到系统进行自动处理和分类，从此告别杂乱的纸质文件和在硬盘里难以查找的扫描件。
  2. 小型企业与团队知识库小型企业或团队可以利用 Paperless-ngx 来共享和管理项目文档、报告、发票和客户资料。通过多用户权限管理，可以确保不同成员只能访问与其工作相关的文档，同时利用其强大的搜索功能，快速找到历史文件，提高整个团队的工作效率。
  3. 学术研究与学习学生和研究人员需要处理大量的学术论文、笔记和参考资料。Paperless-ngx 可以将这些PDF文档全部索引起来，当需要查找某个特定理论或数据时，只需通过关键词搜索，就能在所有论文中定位到相关内容，极大地提升了文献管理的效率。

QA

  1. Paperless-ngx 和 Paperless-ng 有什么区别？Paperless-ngx 是 Paperless-ng 项目的一个社区维护分支。由于原作者停止了对 Paperless-ng 的维护，社区成员创建了 ngx 版本，并持续为其添加新功能、修复错误和提供支持，它被认为是事实上的官方后续版本。
  2. 这个系统支持哪些文件类型？Paperless-ngx 主要支持PDF文档和常见的图片格式（如PNG, JPG, TIFF）。此外，通过与Tika等工具集成，它还可以处理微软Office文档（Word, Excel, PowerPoint）和LibreOffice的对应文件。
  3. 我的文档数据安全吗？Paperless-ngx 是一个自托管（Self-Hosted）的应用，意味着所有数据都存储在你自己的服务器上，你拥有完全的控制权。官方强调，由于文档可能包含敏感信息，不应将此系统部署在不受信任的主机上。最安全的方式是在你家里的本地服务器上运行，并做好数据备份。
  4. 系统如何处理我的原始文件？系统会保留你上传的原始文件，同时会创建一个经过OCR处理并优化用于长期存档的PDF/A版本。这意味着你随时可以访问未经修改的原始文档，同时又能享受到可搜索存档版本带来的便利。
微信微博Email复制链接