Language: ru
Paperless-ngx: как создать собственный архив документов с поиском по тексту
Вы помните, что в договоре была указана важная сумма, но файл называется scan_2024_03_17.pdf и лежит среди сотен похожих документов. Обычный файловый менеджер ищет по имени файла, тогда как нужные слова находятся внутри скана.
Paperless-ngx решает эту проблему. Вы загружаете PDF, фотографию квитанции или вложение из электронной почты, а сервис распознаёт текст, индексирует его и превращает разрозненные файлы в единый архив. После этого документ можно найти по фамилии, адресу, номеру счёта или любой фразе на странице.
Что такое Paperless-ngx
Paperless-ngx — бесплатная система управления документами с открытым исходным кодом. Она работает на собственном сервере, принимает файлы из разных источников, выполняет OCR и позволяет искать информацию внутри документов.
Вместо одной жёсткой структуры папок система использует корреспондентов, типы документов, теги, даты, пользовательские поля и правила хранения. Благодаря этому за несколько секунд можно вывести счета за электричество за 2026 год, документы конкретной квартиры или гарантии, срок которых скоро истекает.
Почему Paperless-ngx удобнее обычных папок
Папки работают, пока документов немного и вы помните собственную систему именования. Через несколько лет появляются каталоги Documents, Scans, New и To sort, после чего нужный файл становится трудно найти.
| Обычная папка | Paperless-ngx |
|---|---|
| Поиск по имени файла | Поиск по тексту внутри документа |
| Один файл в одной папке | Несколько тегов и атрибутов |
| Ручное именование и сортировка | Автоматическое назначение метаданных |
| Вложения нужно сохранять вручную | Импорт из электронной почты |
| Скан остаётся изображением | OCR делает текст доступным для поиска |
Вместо того чтобы вспоминать нужный каталог, достаточно помнить одно слово из документа.
Как Paperless-ngx обрабатывает файл
После загрузки сервис:
- сохраняет исходный файл;
- извлекает существующий текст или запускает OCR;
- при необходимости создаёт архивную версию PDF и миниатюры;
- добавляет содержимое в полнотекстовый индекс;
- применяет правила и предлагает корреспондента, тип, теги и путь хранения.
Начать можно с загрузки и поиска, а автоматизацию добавить позже.
Самые полезные возможности Paperless-ngx
Поиск внутри сканов
После OCR договор можно найти по адресу, счёт — по номеру клиента, а чек — по модели устройства. Например, поиск по фразе «досрочное расторжение» покажет документы, в которых она встречается, даже если исходный PDF состоял только из изображений.
Качество зависит от скана: ровная страница с хорошим контрастом распознаётся лучше, чем тёмная фотография, сделанная под углом. Для русско-английского архива важно установить оба языка OCR.
Автоматическая сортировка
Paperless-ngx может сопоставлять новые документы с теми, которые вы уже обработали. Вы вручную размечаете несколько счетов одного поставщика, после чего сервис предлагает назначить следующие файлы тому же корреспонденту, типу и тегам.
Для строгой логики можно создавать правила на основе текста, имени файла, источника или папки загрузки.
Импорт из электронной почты
Сервис умеет проверять почтовый ящик по IMAP и обрабатывать сообщения по правилам. Например, он может забирать только PDF-вложения от поставщика, отправлять их в архив, а затем помечать письмо как прочитанное или перемещать его в другую папку.
Счета перестают накапливаться во входящих и становятся доступными для поиска вместе со сканами.
Рабочие процессы, поля и сохранённые представления
Рабочие процессы выполняют действия при загрузке, добавлении или изменении документа, а также по расписанию. Они могут назначить владельца, добавить тег, выбрать тип и установить путь хранения.
Пользовательские поля превращают архив в небольшую базу данных. Для договора можно хранить дату окончания, для счёта — сумму и срок оплаты, а для оборудования — серийный номер. Сохранённые представления затем могут показывать, например, документы с пометкой «требуется оплата» или гарантии, срок которых истекает в этом месяце.
Пакетное сканирование со штрихкодами
Paperless-ngx умеет разделять один большой скан на несколько документов с помощью штрихкодов. Между бумагами можно помещать разделительные страницы или прикреплять код ASN к первому листу.
ASN — это архивный серийный номер, который связывает цифровую копию с бумажным оригиналом. Такой подход удобен при оцифровке больших стопок документов.
Версии и необязательные функции ИИ
В серии Paperless-ngx 3.x появились версии документов, наборы ссылок для общего доступа и встроенные функции ИИ. Если подключить модель, сервис может предлагать метаданные и отвечать на вопросы по документам.
ИИ не нужен для основных возможностей: OCR, поиск, правила, теги и импорт почты работают без него. При использовании внешнего API ИИ часть текста может покинуть сервер, а локальной модели потребуется больше ресурсов.
Кому подходит Paperless-ngx
Для личного или семейного архива: договоры, страховые полисы, выписки, гарантии, чеки, документы на жильё и инструкции к оборудованию.
Для фрилансеров и небольших компаний: счета, акты, договоры, расходы и переписка с контрагентами. Импорт почты сокращает ручную работу, а права доступа позволяют делиться документами.
Для административных процессов: быстрый поиск по исходным документам, выборки по поставщику и периоду, а также очередь необработанных файлов.
Paperless-ngx не заменяет бухгалтерскую программу, электронную подпись или корпоративную ECM-систему.
Какой сервер нужен Paperless-ngx
Нагрузка зависит от количества страниц, качества сканов, частоты загрузок и дополнительных компонентов. В качестве практической отправной точки можно использовать следующие параметры:
| Сценарий | CPU | RAM | Диск |
|---|---|---|---|
| Личный архив | 2 vCPU | 2 GB | 30–50 GB NVMe или больше |
| Семья или небольшая команда | 2–4 vCPU | 4 GB | 60–100 GB NVMe или больше |
| Большие пакеты, файлы Office, локальный ИИ | 4 vCPU или больше | 8 GB или больше | Размер архива плюс запас |
На слабом сервере интерфейс может работать нормально, но OCR больших документов будет выполняться медленно. Tika и Gotenberg для Word, Excel и других офисных форматов также увеличивают потребление памяти.
Планируйте ёмкость диска с запасом: кроме оригиналов, система может хранить архивные версии, миниатюры, индекс, базу данных и временные файлы. Для резервных копий тоже потребуется отдельное место.
Установка Paperless-ngx на VPS с Docker
Самый простой поддерживаемый способ — Docker Compose. Вам понадобятся Linux-сервер, Docker Engine и плагин Compose.
Официальный проект предоставляет интерактивный установщик:
bash -c "$(curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh)"Он запросит каталог, базу данных, порт, язык OCR, дополнительные компоненты и учётную запись администратора, затем создаст конфигурацию Compose и запустит контейнеры.
На рабочем сервере безопаснее сначала скачать и проверить скрипт:
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.shИз каталога установки состояние запуска можно проверить такими командами:
docker compose ps
docker compose logs -f webserverДля русской и английской обработки OCR обычно указывают rus+eng и устанавливают в Docker дополнительные языковые данные rus eng.
Не открывайте внутренний порт приложения напрямую. Подключите домен через обратный прокси, включите HTTPS и закройте ненужные порты. Для личного архива ещё безопаснее разрешить доступ только через VPN.
Paperless-ngx на VPS tropic.host
Для небольшого архива подойдёт VPS с 2 vCPU, 2–4 GB RAM и NVMe-накопителем. На tropic.host можно развернуть Ubuntu, установить Docker и сделать Paperless-ngx доступным с компьютера и телефона без домашнего NAS.
VPS работает круглосуточно, поэтому сервис сможет регулярно забирать вложения из электронной почты. Однако документы часто содержат персональные данные: используйте HTTPS или VPN, SSH-ключи, ограничивающий доступ межсетевой экран и независимые резервные копии.
Безопасность и резервные копии
В Paperless-ngx нет встроенного сквозного шифрования документов. Пользователь с полным доступом к серверу, томам Docker или резервной копии потенциально может прочитать архив.
Минимальные меры:
- размещайте сервис только на доверенной инфраструктуре;
- обновляйте систему и контейнеры;
- ограничьте доступ по SSH ключами;
- храните зашифрованные копии вне основного сервера;
- периодически проверяйте восстановление.
Для миграции и резервного копирования предусмотрен встроенный document_exporter:
docker compose exec webserver document_exporter ../exportСкопируйте каталог экспорта на другое устройство или в независимое хранилище. Копия на том же VPS не защитит от повреждения диска, случайного удаления или потери доступа.
Стоит ли устанавливать Paperless-ngx
Paperless-ngx полезен, когда проблема уже не в хранении файлов, а в их поиске. Он превращает сканы, вложения и PDF с непонятными именами в архив, где документы находятся по содержимому и обрабатываются по единым правилам.
Для начала достаточно установить сервис, настроить языки OCR и загрузить первые файлы. Теги, импорт почты, рабочие процессы, штрихкоды и функции ИИ стоит добавлять, когда у вас появится понятный повторяющийся процесс.
FAQ
Можно ли использовать Paperless-ngx бесплатно?
Да. Это проект с открытым исходным кодом. Расходы возникают только на оборудование, VPS, домен или внешние сервисы.
Умеет ли Paperless-ngx распознавать русский текст?
Да. OCR использует языковой пакет Tesseract rus. Для смешанного архива обычно настраивают rus+eng.
Удаляется ли исходный файл после OCR?
Нет. Исходный файл сохраняется. В зависимости от настроек рядом с ним может создаваться отдельная архивная версия PDF.
Можно ли загружать документы с телефона?
Да. Можно использовать веб-интерфейс, API, совместимое мобильное приложение или пересылать документ на подключённый адрес электронной почты.
Достаточно ли резервной копии VPS?
Снимок VPS полезен, но лучше дополнить его встроенным экспортом и хранить отдельную копию. Важно не только создать архив, но и проверить восстановление на чистой установке.