Language: hu

Paperless-ngx: hogyan hozzunk létre saját kereshető dokumentumarchívumot

Emlékszik, hogy egy szerződés fontos összeget tartalmazott, de a fájl neve scan_2024_03_17.pdf, és több száz hasonló fájl között található. A hagyományos fájlkezelő a fájlnévben keres, miközben a szükséges szavak a szkennelt oldalon vannak.

A Paperless-ngx ezt a problémát oldja meg. Feltölthet PDF-et, egy nyugta fényképét vagy e-mail-mellékletet, a szolgáltatás pedig felismeri és indexeli a szöveget, majd a szétszórt fájlokat egyetlen archívummá alakítja. Ezután vezetéknév, cím, számlaszám vagy az oldalon szereplő bármely kifejezés alapján megtalálhatja a dokumentumot.

Mi a Paperless-ngx?

A Paperless-ngx ingyenes, nyílt forráskódú dokumentumkezelő rendszer. Saját szerveren fut, különböző forrásokból fogad fájlokat, OCR-t végez, és lehetővé teszi a tartalmuk keresését.

Egy merev mappastruktúra helyett levelezőpartnereket, dokumentumtípusokat, címkéket, dátumokat, egyéni mezőket és tárolási szabályokat használ. Így néhány másodperc alatt megjelenítheti például a 2026-os villanyszámlákat, egy adott lakás dokumentumait vagy a hamarosan lejáró garanciákat.

Miért jobb a Paperless-ngx a hagyományos mappáknál?

A mappák addig működnek jól, amíg kevés dokumentuma van, és emlékszik az elnevezési rendszerre. Néhány év múlva megjelennek a Documents, Scans, New és To sort mappák, a megfelelő fájl megtalálása pedig nehézzé válik.

Hagyományos mappa	Paperless-ngx
Keresés fájlnév alapján	Keresés a dokumentum szövegében
Egy fájl, egy mappa	Több címke és attribútum
Kézi elnevezés és rendezés	Automatikus metaadat-hozzárendelés
A mellékleteket kézzel kell menteni	Importálás e-mailből
A szkennelt oldal kép marad	Az OCR kereshetővé teszi a szöveget

Ahelyett, hogy egy könyvtár nevére próbálna emlékezni, elég egy szóra emlékeznie a dokumentumból.

Hogyan dolgoz fel egy fájlt a Paperless-ngx?

Feltöltés után a szolgáltatás:

1. elmenti az eredeti fájlt;
2. kinyeri a meglévő szöveget, vagy elindítja az OCR-t;
3. szükség esetén létrehoz egy archiválási PDF-verziót és bélyegképeket;
4. hozzáadja a tartalmat a teljes szöveges indexhez;
5. szabályokat alkalmaz, és levelezőpartnert, típust, címkéket és tárolási útvonalat javasol.

Kezdheti a feltöltéssel és a kereséssel, az automatizálást pedig később is hozzáadhatja.

A Paperless-ngx leghasznosabb funkciói

Keresés szkennelt dokumentumokban

Az OCR után megtalálhat egy szerződést cím, egy számlát ügyfélszám, egy nyugtát pedig eszközmodell alapján. Például az „early termination” kifejezésre keresve azok a dokumentumok is megjelennek, amelyek eredeti PDF-je csak képekből állt.

A minőség a szkenneléstől függ: az egyenes, nagy kontrasztú oldal felismerése jobb, mint egy ferdén fényképezett, sötét képé. Orosz–angol archívumnál fontos mindkét OCR-nyelv telepítése.

Automatikus rendezés

A Paperless-ngx össze tudja vetni az új dokumentumokat a már rendezett fájlokkal. Ön kézzel ellát több, egy szolgáltatótól származó számlát címkékkel, a szolgáltatás pedig megtanulja a következő fájlokhoz ugyanazt a levelezőpartnert, típust és címkéket javasolni.

Szigorú logikához szöveg, fájlnév, forrás vagy feltöltési mappa alapján hozhat létre szabályokat.

Importálás e-mailből

A szolgáltatás IMAP-on keresztül ellenőrizhet egy postafiókot, és szabályok alapján feldolgozhatja az üzeneteket. Például csak egy beszállító PDF-mellékleteit töltheti le, elküldheti őket az archívumba, majd olvasottként jelölheti vagy másik mappába helyezheti az e-mailt.

A számlák így nem halmozódnak a beérkező levelek között, hanem a szkennelt dokumentumok mellett kereshetővé válnak.

Munkafolyamatok, mezők és mentett nézetek

A munkafolyamatok műveleteket hajtanak végre dokumentum feltöltésekor, hozzáadásakor, módosításakor vagy ütemezés szerint. Tulajdonost rendelhetnek hozzá, címkét adhatnak, típust választhatnak és tárolási útvonalat állíthatnak be.

Az egyéni mezők kis adatbázissá alakítják az archívumot. Egy szerződésnél tárolhat lejárati dátumot, egy számlánál összeget és fizetési határidőt, berendezésnél pedig sorozatszámot. A mentett nézetek ezután például a „fizetés szükséges” vagy „a garancia ebben a hónapban lejár” dokumentumokat jeleníthetik meg.

Kötegelt szkennelés vonalkódokkal

A Paperless-ngx vonalkódok segítségével több dokumentumra tud felosztani egy nagy szkennelt fájlt. Elválasztó oldalakat helyezhet a papírok közé, vagy ASN-kódot tehet az első lapra.

Az ASN archívum-sorszám, amely a digitális másolatot a papír eredetihez kapcsolja. Ez nagy kötegek digitalizálásakor kényelmes.

Verziók és opcionális AI

A Paperless-ngx 3.x sorozata dokumentumverziókat, megosztott hozzáféréshez használható hivatkozáskészleteket és beépített AI-funkciókat vezetett be. Modell csatlakoztatásakor a szolgáltatás metaadatokat javasolhat, és kérdésekre válaszolhat a dokumentumokról.

Az AI nem szükséges az alapfunkciókhoz: az OCR, a keresés, a szabályok, a címkék és az e-mail-import nélküle is működnek. Külső AI API használatakor bizonyos szövegek elhagyhatják a szervert, míg a helyi modell több erőforrást igényel.

Kinek megfelelő a Paperless-ngx?

Személyes vagy családi archívumhoz: szerződések, biztosítási kötvények, kivonatok, garanciák, nyugták, lakhatási dokumentumok és eszközök kézikönyvei.

Szabadúszóknak és kisvállalkozásoknak: számlák, teljesítési igazolások, szerződések, költségek és az üzleti partnerekkel folytatott levelezés. Az e-mail-import csökkenti a kézi munkát, a hozzáférési jogosultságok pedig lehetővé teszik a dokumentumok megosztását.

Adminisztratív folyamatokhoz: gyors keresés a forrásdokumentumokban, szűrés beszállító és időszak szerint, valamint a még fel nem dolgozott fájlok sora.

A Paperless-ngx nem helyettesíti a könyvelőszoftvert, az elektronikus aláírást vagy a vállalati ECM-rendszert.

Milyen szerverre van szüksége a Paperless-ngx-nek?

A terhelés az oldalak számától, a szkennelés minőségétől, a feltöltések gyakoriságától és a további komponensektől függ. Kiindulásként használhatja az alábbi gyakorlati értékeket:

Forgatókönyv	CPU	RAM	Lemez
Személyes archívum	2 vCPU	2 GB	30–50 GB NVMe vagy több
Család vagy kis csapat	2–4 vCPU	4 GB	60–100 GB NVMe vagy több
Nagy kötegek, Office-fájlok, helyi AI	4 vCPU vagy több	8 GB vagy több	Az archívum mérete plusz tartalék

Gyenge szerveren a felület normálisan működhet, de a nagy dokumentumok OCR-feldolgozása lassú lesz. A Word-, Excel- és más Office-formátumokhoz használt Tika és Gotenberg szintén növeli a memóriahasználatot.

Tervezzen elegendő szabad lemezkapacitással: az eredetik mellett a rendszer archiválási verziókat, bélyegképeket, indexet, adatbázist és ideiglenes fájlokat is tárolhat. A biztonsági mentésekhez külön hely is szükséges.

Paperless-ngx telepítése VPS-en Dockerrel

A legegyszerűbb támogatott módszer a Docker Compose. Linux szerverre, Docker Engine-re és a Compose pluginre lesz szüksége.

A hivatalos projekt interaktív telepítőt biztosít:

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

A telepítő rákérdez a könyvtárra, az adatbázisra, a portra, az OCR nyelvére, a további komponensekre és az adminisztrátori fiókra, majd létrehozza a Compose-konfigurációt és elindítja a konténereket.

Éles szerveren biztonságosabb először letölteni és átnézni a szkriptet:

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

A telepítési könyvtárból az alábbi parancsokkal ellenőrizheti az indulást:

docker compose ps
docker compose logs -f webserver

Orosz és angol OCR-hez általában a rus+eng értéket kell beállítani, és a Dockerben telepíteni kell a további rus eng nyelvi adatokat.

Ne tegye közvetlenül elérhetővé az alkalmazás belső portját. Kapcsoljon hozzá domaint reverse proxyval, engedélyezze a HTTPS-t, és zárja le a felesleges portokat. Személyes archívumnál még biztonságosabb, ha csak VPN-en keresztül engedélyezi a hozzáférést.

Paperless-ngx a tropic.host VPS-én

Kis archívumhoz megfelelő egy 2 vCPU-val, 2–4 GB RAM-mal és NVMe-tárhellyel rendelkező VPS. A tropic.host szolgáltatásán Ubuntut telepíthet, beállíthatja a Dockert, és a Paperless-ngx-et otthoni NAS nélkül is elérheti számítógépről és telefonról.

A VPS éjjel-nappal működik, ezért a szolgáltatás rendszeresen begyűjtheti az e-mail-mellékleteket. A dokumentumok azonban gyakran személyes adatokat tartalmaznak: használjon HTTPS-t vagy VPN-t, SSH-kulcsokat, szigorú tűzfalat és független biztonsági mentéseket.

Biztonság és biztonsági mentések

A Paperless-ngx nem biztosít beépített végpontok közötti titkosítást a dokumentumokhoz. A szerverhez, Docker-kötetekhez vagy biztonsági mentéshez teljes hozzáféréssel rendelkező felhasználó elméletileg elolvashatja az archívumot.

Alapvető intézkedések:

• a szolgáltatást csak megbízható infrastruktúrán futtassa;
• frissítse a rendszert és a konténereket;
• az SSH-hozzáférést kulcsokra korlátozza;
• titkosított másolatokat tároljon a fő szerveren kívül;
• rendszeresen tesztelje a helyreállítást.

Migrációhoz és biztonsági mentéshez beépített document_exporter áll rendelkezésre:

docker compose exec webserver document_exporter ../export

Másolja az exportkönyvtárat másik eszközre vagy független tárhelyre. Az ugyanazon a VPS-en tárolt másolat nem véd a lemez meghibásodása, a véletlen törlés vagy a hozzáférés elvesztése ellen.

Érdemes telepíteni a Paperless-ngx-et?

A Paperless-ngx akkor hasznos, amikor már nem a fájlok tárolása, hanem a megtalálásuk jelenti a problémát. A nehezen elnevezett szkennelt oldalakat, mellékleteket és PDF-eket olyan archívummá alakítja, ahol a dokumentumok tartalmuk alapján megtalálhatók, és következetes szabályok szerint dolgozhatók fel.

Az induláshoz elég telepíteni a szolgáltatást, beállítani az OCR-nyelveket és feltölteni az első fájlokat. A címkéket, az e-mail-importot, a munkafolyamatokat, a vonalkódokat és az AI-funkciókat akkor érdemes hozzáadni, amikor már egyértelmű, ismétlődő folyamata van.

GYIK

Ingyen használható a Paperless-ngx?

Igen. Nyílt forráskódú projekt. Költséget csak a hardver, a VPS, a domain vagy külső szolgáltatások jelentenek.

Felismeri a Paperless-ngx az orosz szöveget?

Igen. Az OCR a Tesseract rus nyelvi csomagját használja. Vegyes archívumnál általában a rus+eng beállítás szükséges.

Törlődik az eredeti fájl az OCR után?

Nem. Az eredeti fájl megmarad. A beállításoktól függően mellette külön archiválási PDF-verzió is létrejöhet.

Feltölthetők dokumentumok telefonról?

Igen. Használhatja a webes felületet, az API-t, egy kompatibilis mobilalkalmazást, vagy továbbíthatja a dokumentumot egy csatlakoztatott e-mail-címre.

Elég egy VPS-biztonsági mentés?

A VPS-pillanatkép hasznos, de jobb a beépített exportálóval együtt használni, és külön másolatot tárolni. Nemcsak archívumot kell létrehozni, hanem a helyreállítást is tesztelni kell tiszta telepítésen.