Paperless-ngx：如何创建自己的可搜索文档档案库
你记得某份合同里有一个重要金额，但文件名却是 scan_2024_03_17.pdf，并且混在数百个类似文件中。普通文件管理器只能按文件名搜索，而你需要的文字藏在扫描件里面。
Paperless-ngx 可以解决这个问题。你上传 PDF、收据照片或邮件附件后，服务会识别文字、建立索引，并把分散的文件整理成一个统一档案库。之后，你可以按姓氏、地址、账号或页面中的任意短语找到文档。
什么是 Paperless-ngx
Paperless-ngx 是一套免费、开源的文档管理系统。它安装在你自己的服务器上，可以接收来自不同来源的文件、执行 OCR，并允许按文档内容搜索。
它不依赖单一而僵硬的文件夹结构，而是使用往来方、文档类型、标签、日期、自定义字段和存储规则。这样一来，你可以在几秒内调出 2026 年的电费账单、某套公寓相关的文档，或即将到期的保修资料。
为什么 Paperless-ngx 比普通文件夹更好
当文档不多，而且你还记得自己的命名方式时，文件夹很好用。几年后，目录里往往会出现 文档、扫描件、新文件 和 待整理，此时要找到目标文件就会变得很困难。
| 普通文件夹 | Paperless-ngx |
|---|---|
| 按文件名搜索 | 搜索文档内部的文字 |
| 一个文件只能放在一个文件夹中 | 可添加多个标签和属性 |
| 手动命名和分类 | 自动分配元数据 |
| 附件需要手动保存 | 从电子邮件导入 |
| 扫描件仍然只是图片 | OCR 让文字可以被搜索 |
你不必努力回忆文件放在哪个目录，只需要记住文档中的一个词即可。
Paperless-ngx 如何处理文件
文件上传后，服务会：
- 保存原始文件；
- 提取已有文字或启动 OCR；
- 在需要时创建归档 PDF 版本和缩略图；
- 将内容加入全文索引；
- 应用规则，并建议往来方、类型、标签和存储路径。
你可以先只使用上传和搜索功能，之后再逐步加入自动化。
Paperless-ngx 最实用的功能
搜索扫描件中的文字
经过 OCR 后，你可以按地址找到合同、按客户编号找到账单，也可以按设备型号找到收据。例如，搜索“提前终止”会显示包含这句话的文档，即使原始 PDF 完全由图片组成。
识别质量取决于扫描效果：平整、对比度高的页面，比倾斜拍摄的昏暗照片更容易识别。对于俄语和英语混合的档案库，必须安装这两种 OCR 语言。
自动分类
Paperless-ngx 可以将新文档与已经整理过的文档进行匹配。你手动标记同一家供应商的几张账单后，服务会学习为后续文件建议相同的往来方、类型和标签。
需要严格逻辑时，可以根据文字、文件名、来源或上传文件夹创建规则。
从电子邮件导入
服务可以通过 IMAP 检查邮箱，并按照规则处理邮件。例如，它可以只提取某个供应商发来的 PDF 附件，将其送入档案库，然后把邮件标记为已读或移动到其他文件夹。
账单不再堆积在收件箱里，而是可以与扫描件一起搜索。
工作流、字段和已保存视图
工作流可以在文档上传、添加、修改时或按照计划执行操作。它们可以指定所有者、添加标签、选择类型并设置存储路径。
自定义字段可以把档案库变成一个小型数据库。合同可以保存到期日期，账单可以保存金额和付款期限，设备资料则可以保存序列号。已保存视图可以显示“需要付款”或“保修将在本月到期”等列表。
使用条形码批量扫描
Paperless-ngx 可以通过条形码把一个大型扫描文件拆分成多份文档。你可以在纸张之间放入分隔页，也可以在每份文档的第一页贴上 ASN 代码。
ASN 是档案序列号，用来把数字副本与纸质原件关联起来。批量数字化大量纸质文档时，这一功能非常方便。
文档版本和可选 AI
Paperless-ngx 3.x 系列加入了文档版本、用于共享访问的链接集合以及内置 AI 功能。连接模型后，服务可以建议元数据，并回答与文档内容有关的问题。
核心功能并不依赖 AI：OCR、搜索、规则、标签和邮件导入都可以独立运行。使用外部 AI API 时，部分文字可能会离开服务器；而本地模型则需要更多资源。
Paperless-ngx 适合哪些人
个人和家庭档案： 合同、保险单、对账单、保修凭证、收据、住房文档和设备说明书。
自由职业者和小型企业： 账单、验收文件、合同、支出记录以及与合作方的往来。邮件导入可以减少手动操作，访问权限则允许不同用户共享文档。
行政流程： 快速搜索原始凭证、按供应商和时间段筛选，以及处理尚未整理的文件队列。
Paperless-ngx 不能替代财务软件、电子签名或企业级 ECM 系统。
Paperless-ngx 需要什么样的服务器
负载取决于页数、扫描质量、上传频率以及附加组件。可以参考以下实用起步配置：
| 使用场景 | CPU | RAM | 磁盘 |
|---|---|---|---|
| 个人档案库 | 2 vCPU | 2 GB | 30–50 GB NVMe 起 |
| 家庭或小型团队 | 2–4 vCPU | 4 GB | 60–100 GB NVMe 起 |
| 大批量文档、Office 文件、本地 AI | 4 vCPU 起 | 8 GB 起 | 按档案规模预留余量 |
在性能较弱的服务器上，界面可能仍然运行正常，但大型文档的 OCR 会比较慢。用于处理 Word、Excel 和其他办公格式的 Tika 与 Gotenberg 也会增加内存消耗。
磁盘容量应留出余量：除了原始文件，系统还可能保存归档版本、缩略图、索引、数据库和临时文件。备份也需要单独的空间。
通过 Docker 在 VPS 上安装 Paperless-ngx
最简单且受支持的方式是 Docker Compose。你需要一台 Linux 服务器、Docker Engine 和 Compose 插件。
官方项目提供了交互式安装程序：
bash -c "$(curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh)"它会询问安装目录、数据库、端口、OCR 语言、附加组件和管理员账号，然后创建 Compose 配置并启动容器。
在生产服务器上，更安全的做法是先下载并检查脚本：
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在安装目录中，可以使用以下命令检查启动状态：
docker compose ps
docker compose logs -f webserver对于俄语和英语 OCR，通常设置 rus+eng，并在 Docker 中安装额外的 rus eng 语言数据。
不要把应用的内部端口直接暴露到公网。通过反向代理绑定域名，启用 HTTPS，并关闭不必要的端口。对于个人档案库，只允许通过 VPN 访问会更加安全。
在 tropic.host VPS 上运行 Paperless-ngx
小型档案库适合使用 2 vCPU、2–4 GB RAM 和 NVMe 磁盘的 VPS。在 tropic.host 上，你可以部署 Ubuntu、安装 Docker，并让电脑和手机随时访问 Paperless-ngx，而不需要在家里购买 NAS。
VPS 全天候运行，因此服务可以定期从邮箱中提取附件。不过，文档通常包含个人数据，因此应使用 HTTPS 或 VPN、SSH 密钥、严格的防火墙以及独立备份。
安全与备份
Paperless-ngx 不提供内置的文档端到端加密。拥有服务器、Docker 卷或备份完整访问权限的用户，理论上可以读取整个档案库。
最低限度的安全措施：
- 只把服务部署在可信基础设施上；
- 及时更新系统和容器；
- 将 SSH 访问限制为密钥认证；
- 在主服务器之外保存加密副本；
- 定期测试恢复流程。
迁移和备份可以使用内置的 document_exporter：
docker compose exec webserver document_exporter ../export应把导出目录复制到其他设备或独立存储中。保存在同一台 VPS 上的副本，无法防止磁盘损坏、误删除或访问权限丢失。
Paperless-ngx 值得安装吗
当问题不再是如何保存文件，而是如何找到文件时，Paperless-ngx 就很有价值。它可以把扫描件、附件和名称含糊的 PDF 变成统一档案库，让你按内容查找文档，并按照一致规则处理它们。
开始时，只需安装服务、配置 OCR 语言并上传第一批文件即可。当你形成清晰而重复的处理流程后，再加入标签、邮件导入、工作流、条形码和 AI 功能。
FAQ
Paperless-ngx 可以免费使用吗？
可以。它是一个开源项目。费用只会来自硬件、VPS、域名或外部服务。
Paperless-ngx 能识别俄语文字吗？
可以。OCR 使用 Tesseract 的 rus 语言包。对于混合语言档案库，通常配置 rus+eng。
OCR 完成后会删除原始文件吗？
不会。原始文件会被保留。根据设置，系统可能会在旁边创建一个单独的归档 PDF 版本。
可以通过手机上传文档吗？
可以。你可以使用网页界面、API、兼容的移动应用，或者把文档转发到已连接的电子邮箱。
只有 VPS 备份就足够了吗？
VPS 快照很有用，但最好同时使用内置导出工具，并把副本单独保存。重要的不只是创建档案，还要在全新安装环境中测试恢复。