Language: cs

Paperless-ngx: jak vytvořit vlastní prohledávatelný archiv dokumentů

Pamatujete si, že smlouva obsahovala důležitou částku, ale soubor se jmenuje scan_2024_03_17.pdf a leží mezi stovkami podobných souborů. Běžný správce souborů hledá podle názvu, zatímco potřebná slova jsou uvnitř skenu.

Paperless-ngx tento problém řeší. Nahrajete PDF, fotografii účtenky nebo e-mailovou přílohu a služba rozpozná text, zaindexuje ho a promění roztříštěné soubory v jeden archiv. Dokument pak najdete podle příjmení, adresy, čísla účtu nebo libovolné fráze na stránce.

Co je Paperless-ngx

Paperless-ngx je bezplatný open-source systém pro správu dokumentů. Běží na vlastním serveru, přijímá soubory z různých zdrojů, provádí OCR a umožňuje prohledávat jejich obsah.

Místo jediné pevné struktury složek používá korespondenty, typy dokumentů, štítky, data, vlastní pole a pravidla ukládání. Díky tomu během několika sekund zobrazíte účty za elektřinu z roku 2026, dokumenty ke konkrétnímu bytu nebo záruky, kterým brzy skončí platnost.

Proč je Paperless-ngx lepší než běžné složky

Složky fungují, dokud máte málo dokumentů a pamatujete si vlastní systém pojmenování. Po několika letech se objeví adresáře jako Documents, Scans, New a To sort a najít správný soubor je obtížné.

Běžná složka	Paperless-ngx
Hledání podle názvu souboru	Hledání textu uvnitř dokumentu
Jeden soubor, jedna složka	Více štítků a atributů
Ruční pojmenování a třídění	Automatické přiřazení metadat
Přílohy je nutné ukládat ručně	Import z e-mailu
Sken zůstává obrázkem	OCR zpřístupní text pro vyhledávání

Místo vzpomínání na adresář si stačí pamatovat jedno slovo z dokumentu.

Jak Paperless-ngx zpracovává soubor

Po nahrání služba:

1. uloží původní soubor;
2. extrahuje existující text nebo spustí OCR;
3. v případě potřeby vytvoří archivní PDF verzi a náhledy;
4. přidá obsah do fulltextového indexu;
5. použije pravidla a navrhne korespondenta, typ, štítky a cestu uložení.

Začít můžete nahráváním a vyhledáváním a automatizaci přidat později.

Nejužitečnější funkce Paperless-ngx

Vyhledávání ve skenech

Po OCR najdete smlouvu podle adresy, fakturu podle zákaznického čísla a účtenku podle modelu zařízení. Například vyhledávání „předčasné ukončení“ zobrazí dokumenty obsahující tuto frázi, i když původní PDF tvořily pouze obrázky.

Kvalita závisí na skenu: rovná stránka s vysokým kontrastem se rozpozná lépe než tmavá fotografie pořízená šikmo. U rusko-anglického archivu je důležité nainstalovat oba jazyky OCR.

Automatické třídění

Paperless-ngx umí přiřadit nové dokumenty k těm, které jste už uspořádali. Ručně označíte několik faktur od jednoho poskytovatele a služba se naučí u dalších souborů navrhnout stejného korespondenta, typ a štítky.

Pro přesnou logiku můžete vytvořit pravidla založená na textu, názvu souboru, zdroji nebo nahrávací složce.

Import z e-mailu

Služba může kontrolovat poštovní schránku přes IMAP a zpracovávat zprávy podle pravidel. Může například stahovat pouze PDF přílohy od dodavatele, odeslat je do archivu a potom e-mail označit jako přečtený nebo ho přesunout do jiné složky.

Faktury se přestanou hromadit ve schránce a budou vyhledatelné společně se skeny.

Workflow, pole a uložené pohledy

Workflow provádějí akce při nahrání, přidání nebo změně dokumentu, případně podle rozvrhu. Mohou přiřadit vlastníka, přidat štítek, zvolit typ a nastavit cestu uložení.

Vlastní pole promění archiv v malou databázi. U smlouvy můžete uložit datum vypršení, u faktury částku a termín platby a u vybavení sériové číslo. Uložené pohledy pak mohou zobrazovat například „vyžaduje platbu“ nebo „záruka končí tento měsíc“.

Dávkové skenování s čárovými kódy

Paperless-ngx umí rozdělit jeden velký sken na několik dokumentů pomocí čárových kódů. Mezi papíry můžete vložit oddělovací stránky nebo připojit ASN kód k prvnímu listu.

ASN je archivní sériové číslo, které propojuje digitální kopii s papírovým originálem. Hodí se při digitalizaci velkých hromádek.

Verze a volitelné AI

Řada Paperless-ngx 3.x přinesla verze dokumentů, sady odkazů pro sdílený přístup a vestavěné funkce AI. Po připojení modelu může služba navrhovat metadata a odpovídat na otázky k dokumentům.

AI není pro základní funkce nutná: OCR, vyhledávání, pravidla, štítky a import e-mailů fungují i bez ní. Při použití externího AI API může část textu opustit server, zatímco lokální model vyžaduje více zdrojů.

Pro koho je Paperless-ngx vhodný

Pro osobní nebo rodinný archiv: smlouvy, pojistné smlouvy, výpisy, záruky, účtenky, dokumenty k bydlení a návody k vybavení.

Pro freelancery a malé firmy: faktury, předávací protokoly, smlouvy, výdaje a korespondence s obchodními partnery. Import z e-mailu omezuje ruční práci a oprávnění umožňují uživatelům dokumenty sdílet.

Pro administrativní procesy: rychlé vyhledávání ve zdrojových dokumentech, výběr podle dodavatele a období a fronta nezpracovaných souborů.

Paperless-ngx nenahrazuje účetní software, elektronický podpis ani firemní ECM systém.

Jaký server Paperless-ngx potřebuje

Zátěž závisí na počtu stránek, kvalitě skenů, frekvenci nahrávání a dalších komponentách. Jako praktický začátek můžete použít tyto hodnoty:

Scénář	CPU	RAM	Disk
Osobní archiv	2 vCPU	2 GB	30–50 GB NVMe nebo více
Rodina nebo malý tým	2–4 vCPU	4 GB	60–100 GB NVMe nebo více
Velké dávky, Office soubory, lokální AI	4 vCPU nebo více	8 GB nebo více	Velikost archivu plus rezerva

Na slabém serveru může rozhraní fungovat normálně, ale OCR velkých dokumentů bude pomalé. Tika a Gotenberg pro Word, Excel a další kancelářské formáty také zvyšují spotřebu paměti.

Kapacitu disku plánujte s rezervou: kromě originálů může systém ukládat archivní verze, náhledy, index, databázi a dočasné soubory. Samostatné místo potřebují také zálohy.

Instalace Paperless-ngx na VPS pomocí Dockeru

Nejjednodušší podporovaný způsob je Docker Compose. Potřebujete Linux server, Docker Engine a plugin Compose.

Oficiální projekt poskytuje interaktivní instalační program:

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

Program se zeptá na adresář, databázi, port, jazyk OCR, další komponenty a účet administrátora, potom vytvoří konfiguraci Compose a spustí kontejnery.

Na produkčním serveru je bezpečnější skript nejprve stáhnout a prohlédnout:

curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh \
  -o install-paperless-ngx.sh
less install-paperless-ngx.sh
bash install-paperless-ngx.sh

Ve instalačním adresáři můžete spuštění zkontrolovat těmito příkazy:

docker compose ps
docker compose logs -f webserver

Pro ruské a anglické OCR obvykle nastavte rus+eng a v Dockeru nainstalujte dodatečná jazyková data rus eng.

Nevystavujte interní port aplikace přímo. Připojte doménu přes reverzní proxy, zapněte HTTPS a uzavřete nepotřebné porty. U osobního archivu je ještě bezpečnější povolit přístup pouze přes VPN.

Paperless-ngx na VPS od tropic.host

Pro malý archiv se hodí VPS se 2 vCPU, 2–4 GB RAM a NVMe úložištěm. Na tropic.host můžete nasadit Ubuntu, nainstalovat Docker a zpřístupnit Paperless-ngx z počítače i telefonu bez domácího NAS.

VPS běží nepřetržitě, takže služba může pravidelně sbírat e-mailové přílohy. Dokumenty však často obsahují osobní údaje: používejte HTTPS nebo VPN, SSH klíče, restriktivní firewall a nezávislé zálohy.

Zabezpečení a zálohy

Paperless-ngx neposkytuje vestavěné end-to-end šifrování dokumentů. Uživatel s úplným přístupem k serveru, Docker volumes nebo záloze by mohl archiv potenciálně přečíst.

Minimální opatření:

• provozujte službu pouze na důvěryhodné infrastruktuře;
• aktualizujte systém a kontejnery;
• omezte SSH přístup na klíče;
• ukládejte šifrované kopie mimo hlavní server;
• pravidelně testujte obnovu.

Pro migraci a zálohy je k dispozici vestavěný document_exporter:

docker compose exec webserver document_exporter ../export

Exportní adresář zkopírujte na jiné zařízení nebo do nezávislého úložiště. Kopie na stejném VPS neochrání před poškozením disku, náhodným smazáním ani ztrátou přístupu.

Vyplatí se Paperless-ngx instalovat?

Paperless-ngx je užitečný, když problémem už není ukládání souborů, ale jejich hledání. Promění skeny, přílohy a PDF s nejasnými názvy v archiv, kde se dokumenty vyhledávají podle obsahu a zpracovávají podle jednotných pravidel.

Pro začátek stačí službu nainstalovat, nastavit jazyky OCR a nahrát první soubory. Štítky, import e-mailů, workflow, čárové kódy a funkce AI se vyplatí přidat, až budete mít jasný opakující se proces.

FAQ

Lze Paperless-ngx používat zdarma?

Ano. Jde o open-source projekt. Náklady vznikají pouze za hardware, VPS, doménu nebo externí služby.

Dokáže Paperless-ngx rozpoznat ruský text?

Ano. OCR používá jazykový balíček Tesseract rus. Pro smíšený archiv se obvykle nastavuje rus+eng.

Je původní soubor po OCR smazán?

Ne. Původní soubor zůstane zachován. Podle nastavení může být vedle něj vytvořena samostatná archivní verze PDF.

Lze dokumenty nahrávat z telefonu?

Ano. Můžete použít webové rozhraní, API, kompatibilní mobilní aplikaci nebo dokument přeposlat na připojenou e-mailovou adresu.

Stačí záloha VPS?

Snapshot VPS je užitečný, ale lepší je kombinovat ho s vestavěným exportérem a ukládat samostatnou kopii. Důležité není archiv pouze vytvořit, ale také pravidelně vyzkoušet obnovu v čisté instalaci.