Paperless-ngx 实用指南把纸质文件变成可全文检索的电子档案【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抽屉里塞满了水电账单、银行流水和孩子学校的通知书需要某一张时却怎么都翻不出来——这是处理纸质文件时最常见的窘境。Paperless-ngx 是一个开源 OCR 文档管理工具你把扫描件丢进去它自动完成 OCR 识别、日期提取和分类归档之后用几个关键词就能在全库正文里秒级找回任意一页。下面这份指南会带你先把实例跑起来再跟着真实使用场景一步步搭出一套长期可用的数字档案流程。 5 分钟跑起第一个 Paperless-ngx 实例这一节只解决一个问题怎么装。全程基于 Docker你不需要单独安装 OCR 引擎、数据库或任何后端组件。先确认机器满足下面的条件然后二选一组件要求Docker Docker Compose已安装Compose 建议 v2内存2GB 起步4GB 更从容存储空间10GB 起步扫描件多就留 50GB方式 A安装脚本。clone 仓库后直接运行根目录的交互式脚本它会问你几个配置问题然后自动创建文件、拉取镜像并创建管理员账号git clone https://gitcode.com/GitHub_Trending/pa/paperless-ngx bash install-paperless-ngx.sh这两行分别完成代码获取和自动化部署脚本结束前会提示你设置的登录凭据。方式 B手动 Compose。从 docker/compose/ 目录下载一个docker-compose.*.yml模板新安装推荐 PostgreSQL 版本文件名带-tika的会额外支持解析 Office 文档连同docker-compose.env和.env放进同一目录再执行docker compose up -d这条命令在后台拉取镜像并启动全部容器。启动后浏览器访问http://127.0.0.1:8000默认端口 8000用刚才创建的账号登录看到仪表盘就说明一切正常仪表盘是登录后第一屏处理队列状态和最近入库的文档都在这里三种数据库模板按需选择数据库适合谁PostgreSQL官方推荐的新装默认选择SQLite想零配置、文档量不大时体验MariaDB已有 MariaDB/MySQL 环境的用户启动前请务必处理.env里的三个关键项它们直接决定后续好不好用环境变量作用建议PAPERLESS_SECRET_KEY会话令牌的签名密钥模板默认值是占位符必须替换可用python3 -c import secrets; print(secrets.token_urlsafe(64))生成一个PAPERLESS_OCR_LANGUAGEOCR 默认识别语言默认eng中文文档为主就改成chi_simUSERMAP_UID/USERMAP_GID容器内映射的宿主用户 ID设成宿主机当前用户的 UID/GIDid -u可查否则容器读写不了你挂载的 consume 目录两个高频小故障提前说明容器起不来或登录页打不开通常是 8000 端口被占用改一下 compose 里的ports映射即可往 consume 目录放文件没反应九成是 UID/GID 没对上按上表设置后容器就能读写该目录了。完整配置项在 docs/configuration.md 里逐项列得清清楚楚。 文件自动入库消费目录与处理流水线部署完成之后你第一个要理解的概念是consume目录——所有待处理文档的收件箱。它的工作方式是系统里的消费者持续盯着这个目录一旦有新文件就自动走一遍流水线——对没有文本层的扫描件做 OCR生成带可选文本的 PDF/A 存档版再根据内容自动匹配标签、对应人和文档类型最后把原件存进 media 目录并从 consume 里移除。你也可以直接在网页上上传仪表盘有上传按钮把文件拖进应用任意位置同样能触发处理。表格视图多列排序加多选是核对入库结果和批量处理的主力视图入库后建议先扫一眼元数据标题、日期系统会尝试从正文里读出来偶尔会读错、以及自动匹配上的标签是否靠谱。另外一个小细节——重复文档默认不会被拒绝内容和已有文档完全一致的文件仍会入库并留下警告你可以在文档详情页的Duplicates标签页里核对是留哪份如果希望入库时直接丢弃重复件把PAPERLESS_CONSUMER_DELETE_DUPLICATES设为true即可。 全文检索让找那张纸变成打几个字Paperless-ngx 把每份文档的 OCR 正文都喂进了全文索引这是它相对普通网盘的核心价值你搜的不是文件名而是纸上的字。顶栏搜索框做全局检索会同时匹配文档正文、标题、对应人、类型和标签结果按相关度打分排序。默认行为是包含全部关键词且对词序、重音和分隔符都不敏感——搜invoice unpaid和unpaid invoice结果一样搜1312也能命中A-1312/B。需要精确定位时用上高级搜索语法AND、OR、NOT用大写书写引号表示连续短语比如invoice NOT draft。字段搜索更实用冒号前面写字段名字段搜什么title标题contentOCR 正文tag标签correspondent对应人type文档类型created文档日期added入库时间组合起来就是type:invoice tag:unpaid这样的表达created:[2020 to 2024]可以圈定年份范围added:yesterday表示昨天入库invoice*、20[12]?这类通配符则适合只记得编号前几位的场景。多词值要加引号例如correspondent:acme corp。搜索语法完整细节见 docs/usage.md 的 Searching 一节。搜索结果输入关键词即可在全部文档正文中定位命中内容最相关的排在最前️ 给文档建立秩序标签、对应人与文档类型搜索再强也需要一点元数据打底。Paperless-ngx 用三件套组织文档标签Tag、对应人Correspondent和文档类型Document Type外加一个控制原件存放目录的存储路径Storage Path。它们和文件夹的思路不同标签更灵活一份文档可以同时属于多个标签而且支持最多 5 层的嵌套——给文档打子标签时父标签会自动补上财务/发票这种层级结构因此可以自然生长。对应人记录这份文件来自谁/寄给谁文档类型回答它是什么账单、合同、通知书。前两者建好后系统在消费新文档时会尝试自动匹配你也可以在对应人或标签的管理页里手写匹配规则积累一定文档量之后内置的非 LLM 分类器还能从已有文档学习在你打开带收件箱标签的文档时自动给出标签和类型的建议点一下接受即可。文档详情页左侧是渲染后的内容预览右侧面板修改标题、标签、对应人与存储路径历史积压文档不必逐份点开。在列表里多选后打开批量编辑可以统一追加标签、调整权限、重命名或者打压缩包导出、为整批文档生成共享链接包后台会打包成 ZIP 并提供单个分享链接批量编辑处理历史积压文档时这比逐份点开快得多 邮件附件自动归档账单不再靠手动保存电子发票和各类账单大多是邮件附件这是纸质之外最容易遗漏的一块。Paperless-ngx 的邮件消费者让这部分实现零操作归档在前端设置页/settings/mail里先定义邮箱账号再为账号创建邮件规则。一条规则由过滤条件和入库动作组成可以按文件夹、邮件最大年龄、发件人、主题、正文和附件文件名模式支持通配符和多个模式筛选系统默认每 10 分钟检查一次邮箱可用PAPERLESS_EMAIL_TASK_CRON调整命中规则的邮件只要含有可消费的附件就会被自动抓取入库。入库后系统按你指定的动作处理原邮件——标记已读、移到别的文件夹、删除或加标记并且通过记录已处理邮件来保证同一封邮件不会被消费两次处理记录可以在 邮件 Processed Mails 里查看。Gmail 和 Outlook 还支持 OAuth2 授权接入。邮件规则按发件人、主题和附件模式匹配命中的附件自动进入处理流水线建议的做法是为每个常发电子账单的发件人建一条规则最后再放一条兜底规则把没被上面规则命中的附件统一打上待整理标签方便你事后人工确认。⚙️ 工作流把重复动作写成规则前面讲的手工整理和邮件规则都可以进一步交给工作流——Paperless-ngx 里最有价值的自动化能力。它由触发器Triggers和动作Actions两部分组成按顺序执行。触发器有四类消费开始时能按来源、文件路径、文件名、邮件规则过滤、文档入库后此时 OCR 正文已提取可按内容匹配、文档修改时以及定时触发可以基于文档日期或自定义字段日期加减天数。动作则覆盖大多数重复操作分配标题、标签、对应人、类型、存储路径、属主、查看/编辑权限、自定义字段、移除、发邮件、调 Webhook、移入回收站、给加密 PDF 试密码解锁甚至应用 AI 建议。举个例子配置一条文档入库后正文包含发票 → 自动打上财务/发票标签并把对应人设为税务的工作流配一次就长期生效之后所有命中的文档都会自动归位。触发器里还能按标签、对应人、自定义字段值等高级条件过滤规则组合空间很大。工作流配置界面触发器定义什么时候跑动作定义跑的时候做什么 进阶能力AI 建议、权限与共享链接这三项能力默认都不开按你的需要启用即可但知道它们的存在能少走不少弯路。AI 增强开启后系统会基于文档内容建议标题、日期、标签、对应人和存储路径并可在顶栏直接用自然语言向整个文档库提问基于 RAG 检索答案会附上来源文档链接。它通过PAPERLESS_AI_ENABLED总开关启用后端可选本地 Ollama 或任何 OpenAI 兼容接口。需要留意启用后文档内容会发往你配置的模型提供方隐私敏感场景优先选本地后端。权限体系分全局和对象级两层——全局权限按用户/用户组划定能看到哪些对象、能否编辑对象级权限则针对单份文档精细控制。日常建议给超级用户之外的普通账号登录使用并在需要时开启双因素认证。共享链接文档详情页的 Send 按钮可以生成免登录的公开链接形如/share/随机串可选有效期过期或撤销后访问者会被重定向回登录页从批量编辑器还能把整批文档打包成一个 ZIP 共享链接包外发资料不用逐份转发。全局权限按用户/用户组划定各对象类型的可见与可编辑范围 养成长期的档案习惯推荐工作流与备份工具装好只是开始docs/usage.md 里给了一套很实用的人机协作习惯值得照搬在 Paperless-ngx 里建两个标签Inbox所有新文档默认带上和TODO需要跟进的事项家里保留一个实体收件箱收到需归档的纸质文件先扔进去定期扫描必须长期保留纸质原件的合同、证书扫描前在纸上手写一个递增编号——这就是档案流水号 ASN原件按 ASN 顺序存进一个活页夹不需要留纸质的扫完直接扔掉在系统里补上对应人、类型和标题确认日期无误后摘掉 Inbox 标签需要找某份纸质原件时先搜 Paperless-ngx从扫描件上看到 ASN再去活页夹里按号取件——活页夹永远不会找不到。官方推荐的工作流实体收件箱、ASN 活页夹与数字档案三者各司其职最后是数据安全的底线所有文档都在data、media两个卷里定期备份这两个目录加上数据库就能完整恢复恢复前先停服务。升级时数据不会丢——升级只是换新镜像数据仍在卷里但升级前仍建议通读一遍 docs/changelog.md 确认没有破坏性变更并做一次备份兜底。 下一步可以做的三件事今天把 consume 目录接到你的扫描仪输出路径或 NAS 同步目录扫进第一叠文件观察流水线和自动匹配的效果本周创建Inbox和TODO两个标签为最常来的账单发件人各建一条邮件规则再把一条最常用的打标签动作写成工作流本月给 data 和 media 目录配一个定时备份任务并读一遍 docs/advanced_usage.md 里的自动匹配与文件名模板把分类规则调得更贴合你的文档结构。现在就去把第一叠文件扫进 consume 目录吧——更多细节和高级玩法官方文档 docs/usage.md 与 docs/advanced_usage.md 都有覆盖。【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