从扫描发票到全文检索Paperless-ngx 三步搭好私有文档库【免费下载链接】paperless-ngxA community-supported supercharged document management system: scan, index and archive all your documents项目地址: https://gitcode.com/GitHub_Trending/pa/paperless-ngxPaperless-ngx 是一套社区维护的开源文档管理系统核心工作是把扫描件、邮件附件和数字文件统一变成可搜索、可分类、可归档的在线档案。如果你需要在家用服务器或小型团队里沉淀大量发票、合同与账单它覆盖从 OCR 识别到全文检索的完整流程。本文讲清如何部署、如何让一张扫描发票走完全程以及邮件接入和工作流两个最常用的自动化场景。 与手动管文件相比它多做了什么用文件夹堆 PDF 管理文档时找一份半年前的发票要翻目录、靠记忆扫描件没有文字层搜索软件也无能为力。Paperless-ngx 把这几件事接成了自动流程场景手动管理Paperless-ngx找一份历史发票逐层翻文件夹输入关键词或type:invoice直接命中扫描合同入档PDF 存网盘内容不可搜自动 OCR 出文字层另存 PDF/A 归档版可全文检索每月账单邮件手动下载附件、重命名邮件规则定时抓取附件并自动归档与家人/同事共享逐个复制文件设置文档级权限或使用分享链接它还支持多级标签、自定义字段、文档版本、回收站和多用户权限适合档案会持续增长的使用者而不仅是临时存文件。 Docker 部署 Paperless-ngx系统要求与最小启动步骤官方推荐的安装方式是 Docker Compose仓库里自带现成的编排模板位于 docker/compose/ 目录。项目最低要求推荐配置Docker20.10最新稳定版Docker Compose2.0最新稳定版内存2 GB4 GB磁盘10 GB50 GB系统Linux / macOS / WindowsLinux 服务器或家用 NAS镜像支持 amd64 与 arm 架构树莓派等低功耗设备可以选 SQLite 后端以节省资源。最小可运行的安装步骤如下。先克隆仓库也可以只复制docker/compose目录然后准备编排文件并启动git clone https://gitcode.com/GitHub_Trending/pa/paperless-ngxcd paperless-ngx/docker/compose cp docker-compose.postgres.yml docker-compose.yml cp docker-compose.env .env . docker compose pull docker compose up -d说明两点。第一docker-compose.postgres.yml代表 PostgreSQL 后端官方建议新装选择它sqlite、mariadb版本按需替换。第二compose 文件里./consume是待处理文档目录data和media卷存放数据与文档可以改成本地盘路径。启动后浏览器访问http://127.0.0.1:8000首次进入会引导你创建管理员superuser账户。想改端口编辑ports里的8000:8000即可。仓库还提供了交互式安装脚本install-paperless-ngx.sh会依次询问数据库、OCR 语言、目录和账号并自动完成上述步骤。 一张扫描发票的完整旅程上传、识别、分类、检索、导出1. 上传。主入口是 consume 目录把扫描的发票 PDF 或图片放进去系统检测到新文件后开始处理处理完文件会被移入内部存储不会留在 consume 里。Web 界面也支持拖拽上传开发者还能通过 REST API 直接 POST 文件见 docs/api.md。2. 识别。如果文档没有文字层系统会调用 OCR基于 OCRmyPDF 与 Tesseract提取文本数字 PDF 会自动跳过这一步。随后生成一份带可选择文字的 PDF/A 归档版本原始文件同时保留、永不覆盖。3. 分类。入档前系统按内容做自动匹配给出标签、对应人如某供电局、文档类型如发票的建议你可以在文档详情里确认或修改。用得越多匹配越准。4. 检索。文档内容进了全文索引。搜索词不分顺序、忽略重音符号和标点输入1312也能命中A-1312/B。进阶语法更实用type:invoice tag:unpaid—— 限定类型和标签created:[2024 to 2025]—— 按创建日期范围added:today、modified:yesterday—— 按入档时间5. 导出与共享。文档详情页可下载归档版列表页支持多选后批量下载需要发给别人时可以用内置的分享链接或在权限设置里按用户、用户组授予查看/编辑权限。删除会先进回收站清空前都可恢复。 进阶场景一邮件账单自动归档如果你每月都收到银行、运营商的账单邮件可以让 Paperless-ngx 直接从邮箱抓取附件。在设置页Settings → Mail里做两件事添加邮箱账户支持 IMAP/POP3Gmail 和 Outlook 支持 OAuth2 授权然后创建邮件规则。规则按顺序执行按文件夹、主题等条件筛选邮件抓取符合条件的附件并入档最后对邮件执行动作——标记已读、删除、加旗标或移动到指定文件夹。系统按邮件 UID 记录已处理消息不会重复消费已处理邮件可在 Mail → Processed Mails 里查看删掉某条记录即可重新处理。默认每 10 分钟检查一次邮箱周期可通过PAPERLESS_EMAIL_TASK_CRON调整。一个稳妥的起步做法为每个发账单的机构建一条规则并标记对应人最后加一条兜底规则给没匹配上的文档打上待整理标签定期清理。⚙️ 进阶场景二用工作流做自动分类与转发工作流是挂接在文档流水线上的自动化规则由触发器 动作组成。触发器有四种消费开始可过滤文件名、来源、文档添加可过滤标签、类型、对应人、内容关键词、文档更新、定时按日期字段加偏移量。常用动作包括分配设置标题、标签、对应人、文档类型、存储路径、文档属主、查看/编辑权限、自定义字段邮件把文档作为附件发到指定地址Webhook向指定 URL 发送 POST 请求移入回收站、去除 PDF 密码保护举两个例子触发消费开始 文件名匹配*账单*.pdf动作分配对应人运营商 标签待核对触发文档添加 类型合同动作发邮件把文档转发给法务。规则之间按排序依次执行多个标签会合并而不是互相覆盖。️ 常见故障速查现象、原因与处理以下条目来自官方故障排查文档 docs/troubleshooting.md。现象常见原因处理consume 目录里的新文件不被处理消息队列容器没跑或目录在 NFS 等不支持 inotify 的共享上确认docker compose全部容器在运行NFS 场景把PAPERLESS_CONSUMER_POLLING_INTERVAL设为正数开启轮询日志出现OCR for XX failed警告未安装对应语言的 Tesseract 语言包或PAPERLESS_OCR_LANGUAGE与文档语言不符安装对应语言包多语言文档可设成engdeu这类组合打开系统总被跳到 /admin浏览器缓存了旧版本的永久重定向清除浏览器缓存提示Operation not permittedchown挂载目录是 NFS 等网络共享容器无法改文件属主改用本地磁盘挂载或确认共享允许修改属主上传 Office 文档报 504 网关超时启用 Tika 后 Gotenberg 转换默认 30 秒超时在 compose 中调大 Gotenberg 的转换超时如果排查后仍不正常管理后台的任务列表里会记录每条失败任务的具体报错这是最直接的线索。下一步把档案库跑起来Paperless-ngx 的价值在于把扫描—识别—分类—检索这条链路一次性搭好之后每加一份文档都是自动的。建议的后续动作先读 docs/usage.md 熟悉界面和搜索语法给 consume 目录配好扫描器输出建好前五个标签和三个对应人再决定是否开启邮件规则和工作流。配置项全貌见 docs/configuration.md部署细节见 docs/setup.md。【免费下载链接】paperless-ngxA community-supported supercharged document management system: scan, index and archive all your documents项目地址: https://gitcode.com/GitHub_Trending/pa/paperless-ngx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从扫描发票到全文检索：Paperless-ngx 三步搭好私有文档库
从扫描发票到全文检索Paperless-ngx 三步搭好私有文档库【免费下载链接】paperless-ngxA community-supported supercharged document management system: scan, index and archive all your documents项目地址: https://gitcode.com/GitHub_Trending/pa/paperless-ngxPaperless-ngx 是一套社区维护的开源文档管理系统核心工作是把扫描件、邮件附件和数字文件统一变成可搜索、可分类、可归档的在线档案。如果你需要在家用服务器或小型团队里沉淀大量发票、合同与账单它覆盖从 OCR 识别到全文检索的完整流程。本文讲清如何部署、如何让一张扫描发票走完全程以及邮件接入和工作流两个最常用的自动化场景。 与手动管文件相比它多做了什么用文件夹堆 PDF 管理文档时找一份半年前的发票要翻目录、靠记忆扫描件没有文字层搜索软件也无能为力。Paperless-ngx 把这几件事接成了自动流程场景手动管理Paperless-ngx找一份历史发票逐层翻文件夹输入关键词或type:invoice直接命中扫描合同入档PDF 存网盘内容不可搜自动 OCR 出文字层另存 PDF/A 归档版可全文检索每月账单邮件手动下载附件、重命名邮件规则定时抓取附件并自动归档与家人/同事共享逐个复制文件设置文档级权限或使用分享链接它还支持多级标签、自定义字段、文档版本、回收站和多用户权限适合档案会持续增长的使用者而不仅是临时存文件。 Docker 部署 Paperless-ngx系统要求与最小启动步骤官方推荐的安装方式是 Docker Compose仓库里自带现成的编排模板位于 docker/compose/ 目录。项目最低要求推荐配置Docker20.10最新稳定版Docker Compose2.0最新稳定版内存2 GB4 GB磁盘10 GB50 GB系统Linux / macOS / WindowsLinux 服务器或家用 NAS镜像支持 amd64 与 arm 架构树莓派等低功耗设备可以选 SQLite 后端以节省资源。最小可运行的安装步骤如下。先克隆仓库也可以只复制docker/compose目录然后准备编排文件并启动git clone https://gitcode.com/GitHub_Trending/pa/paperless-ngxcd paperless-ngx/docker/compose cp docker-compose.postgres.yml docker-compose.yml cp docker-compose.env .env . docker compose pull docker compose up -d说明两点。第一docker-compose.postgres.yml代表 PostgreSQL 后端官方建议新装选择它sqlite、mariadb版本按需替换。第二compose 文件里./consume是待处理文档目录data和media卷存放数据与文档可以改成本地盘路径。启动后浏览器访问http://127.0.0.1:8000首次进入会引导你创建管理员superuser账户。想改端口编辑ports里的8000:8000即可。仓库还提供了交互式安装脚本install-paperless-ngx.sh会依次询问数据库、OCR 语言、目录和账号并自动完成上述步骤。 一张扫描发票的完整旅程上传、识别、分类、检索、导出1. 上传。主入口是 consume 目录把扫描的发票 PDF 或图片放进去系统检测到新文件后开始处理处理完文件会被移入内部存储不会留在 consume 里。Web 界面也支持拖拽上传开发者还能通过 REST API 直接 POST 文件见 docs/api.md。2. 识别。如果文档没有文字层系统会调用 OCR基于 OCRmyPDF 与 Tesseract提取文本数字 PDF 会自动跳过这一步。随后生成一份带可选择文字的 PDF/A 归档版本原始文件同时保留、永不覆盖。3. 分类。入档前系统按内容做自动匹配给出标签、对应人如某供电局、文档类型如发票的建议你可以在文档详情里确认或修改。用得越多匹配越准。4. 检索。文档内容进了全文索引。搜索词不分顺序、忽略重音符号和标点输入1312也能命中A-1312/B。进阶语法更实用type:invoice tag:unpaid—— 限定类型和标签created:[2024 to 2025]—— 按创建日期范围added:today、modified:yesterday—— 按入档时间5. 导出与共享。文档详情页可下载归档版列表页支持多选后批量下载需要发给别人时可以用内置的分享链接或在权限设置里按用户、用户组授予查看/编辑权限。删除会先进回收站清空前都可恢复。 进阶场景一邮件账单自动归档如果你每月都收到银行、运营商的账单邮件可以让 Paperless-ngx 直接从邮箱抓取附件。在设置页Settings → Mail里做两件事添加邮箱账户支持 IMAP/POP3Gmail 和 Outlook 支持 OAuth2 授权然后创建邮件规则。规则按顺序执行按文件夹、主题等条件筛选邮件抓取符合条件的附件并入档最后对邮件执行动作——标记已读、删除、加旗标或移动到指定文件夹。系统按邮件 UID 记录已处理消息不会重复消费已处理邮件可在 Mail → Processed Mails 里查看删掉某条记录即可重新处理。默认每 10 分钟检查一次邮箱周期可通过PAPERLESS_EMAIL_TASK_CRON调整。一个稳妥的起步做法为每个发账单的机构建一条规则并标记对应人最后加一条兜底规则给没匹配上的文档打上待整理标签定期清理。⚙️ 进阶场景二用工作流做自动分类与转发工作流是挂接在文档流水线上的自动化规则由触发器 动作组成。触发器有四种消费开始可过滤文件名、来源、文档添加可过滤标签、类型、对应人、内容关键词、文档更新、定时按日期字段加偏移量。常用动作包括分配设置标题、标签、对应人、文档类型、存储路径、文档属主、查看/编辑权限、自定义字段邮件把文档作为附件发到指定地址Webhook向指定 URL 发送 POST 请求移入回收站、去除 PDF 密码保护举两个例子触发消费开始 文件名匹配*账单*.pdf动作分配对应人运营商 标签待核对触发文档添加 类型合同动作发邮件把文档转发给法务。规则之间按排序依次执行多个标签会合并而不是互相覆盖。️ 常见故障速查现象、原因与处理以下条目来自官方故障排查文档 docs/troubleshooting.md。现象常见原因处理consume 目录里的新文件不被处理消息队列容器没跑或目录在 NFS 等不支持 inotify 的共享上确认docker compose全部容器在运行NFS 场景把PAPERLESS_CONSUMER_POLLING_INTERVAL设为正数开启轮询日志出现OCR for XX failed警告未安装对应语言的 Tesseract 语言包或PAPERLESS_OCR_LANGUAGE与文档语言不符安装对应语言包多语言文档可设成engdeu这类组合打开系统总被跳到 /admin浏览器缓存了旧版本的永久重定向清除浏览器缓存提示Operation not permittedchown挂载目录是 NFS 等网络共享容器无法改文件属主改用本地磁盘挂载或确认共享允许修改属主上传 Office 文档报 504 网关超时启用 Tika 后 Gotenberg 转换默认 30 秒超时在 compose 中调大 Gotenberg 的转换超时如果排查后仍不正常管理后台的任务列表里会记录每条失败任务的具体报错这是最直接的线索。下一步把档案库跑起来Paperless-ngx 的价值在于把扫描—识别—分类—检索这条链路一次性搭好之后每加一份文档都是自动的。建议的后续动作先读 docs/usage.md 熟悉界面和搜索语法给 consume 目录配好扫描器输出建好前五个标签和三个对应人再决定是否开启邮件规则和工作流。配置项全貌见 docs/configuration.md部署细节见 docs/setup.md。【免费下载链接】paperless-ngxA community-supported supercharged document management system: scan, index and archive all your documents项目地址: https://gitcode.com/GitHub_Trending/pa/paperless-ngx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考