摘要：大量电脑文档管理麻烦，通过NAS实现无纸化管理，OCR、项目分类、自动化工作流全都有。

大量电脑文档管理麻烦，通过NAS实现无纸化管理，OCR、项目分类、自动化工作流全都有。

大家好，这里是Cherry，喜爱折腾、玩数码，热衷于分享数码玩耍经验~

风水轮流转，今天到我司。作为一个办公室文员牛马，我长期面临的是海量的纸质文档和电子化文档，以及文档的管理、归档、调阅工作。

不同的项目文档，不同的版本文档，不同格式的文档，稍稍有一天忘记整理，那第二天就需要花费大量的时间去梳理。这还不包括小组长突然要一个文件，或者要全局搜索某个项目内容，某某项目组又要调阅一个历史文档。

因此，文档资料数字化这件事，成为了我迫在眉睫的工作需求，也成为我再次压榨铁威马NAS 性能的理由，谁让这颗 i5-1235U 性能如此富裕呢~

今天，为大家带来的是知名的文档电子化项目——Paperless-ngx。一款开源的无纸化文档管理工具，github 28.5k star，实现PDF文档的扫描、索引和存档，并且实现项目成员点对点派件和权限管理。

一、铁威马部署项目

铁威马F6-424 Max，是我使用在办公环境下的一台企业级NAS。它采用了10核12线程的i5-1235U处理器，最大支持64G DDR5内存，拥有双万兆网口，3个USB口，可以满足工作室、小型企业存储和服务器使用。

本次部署采用的是docker-compose方式，主打一键安装、一键卸载，不污染NAS环境，既方便又清洁。

铁威马NAS内置了Docker Manager应用，支持一键部署Docker Compose应用。

打开Docker Manager，配置好项目名称和项目路径以后，我们将下面的代码复制到配置文件来源处进行YAML验证即可。

services:

broker:

image: docker.io/library/redis:8

restart: unless-stopped

volumes:

- redisdata:/data

db:

image: docker.io/library/postgres:17

restart: unless-stopped

volumes:

- pgdata:/var/lib/postgresql/data

environment:

POSTGRES_DB: paperless

POSTGRES_USER: paperless

POSTGRES_PASSWORD: paperless

webserver:

image: ghcr.io/paperless-ngx/paperless-ngx:latest

restart: unless-stopped

depends_on:

- db

- broker

- gotenberg

- tika

ports:

# 下面左边的端口可以修改

- "21200:8000"

volumes:

- data:/usr/src/paperless/data

- media:/usr/src/paperless/media

- ./export:/usr/src/paperless/export

- ./consume:/usr/src/paperless/consume

environment:

PAPERLESS_REDIS: redis://broker:6379

PAPERLESS_DBHOST: db

TZ: Asia/Shanghai

# 下面的OCR的语言，chi-sim是简体,chi-tra是繁体，具体可以在debian的`bullseye/graphics`包里查询对应的内容。

PAPERLESS_OCR_LANGUAGES: eng chi-sim chi-tra

PAPERLESS_OCR_LANGUAGE: eng

USERMAP_UID: 0

USERMAP_GID: 0

# 公网使用的话，下面改成自己公司的域名

# PAPERLESS_URL: https://paperless.example.com

PAPERLESS_SECRET_KEY: cherry

PAPERLESS_TIKA_ENABLED: 1

PAPERLESS_TIKA_GOTENBERG_ENDPOINT: http://gotenberg:3000

PAPERLESS_TIKA_ENDPOINT: http://tika:9998

gotenberg:

image: docker.io/gotenberg/gotenberg:8.20

restart: unless-stopped

command:

- "gotenberg"

- "--chromium-disable-javascript=true"

- "--chromium-allow-list=file:///tmp/.*"

tika:

image: docker.io/apache/tika:latest

restart: unless-stopped

volumes:

data:

media:

pgdata:

redisdata:

初次启动，paperless会自动从debian库下载对应的ocr语言包，这里耗时比较久，大概5-10分钟，耐心等待即可。

二、铁威马无纸化办公实操

1、初始化并配置OCR

等系统启动完成后，我们先来注册一个账号密码。注意不要使用相似字符，否则会注册使用。

Paperless拥有一套比较完整的新手导引，初次登陆以后，我们只需要跟着导引走一遍流程，就可以大致明白的七七八八了。

在正式开始之前，我们还需要配置一下OCR设置。点击左下角设置——应用配置——OCR设置。里面将语言设置成我们需要的语种。

如果是多语言的，则使用+连接，比如eng+chi_sim。注意，语种中间的横杠-，在这里要替换成下划线_。

2、上传文件

目前，Paperless本体支持PDF文件，如果增加了kita则支持word格式。本次教程内的代码是自带kita的，所以我们理论上可以上传绝大多数的文档格式。

上传完成以后的文档，会在项目首页进行预览展示。这里支持全文搜索、路径搜索、标签搜索等等，简单易用。

这里以我们文档管理中常用的PDF为例。众所周知分为文字型PDF和扫描型PDF，前者可以直接复制、修改，而后者则需要通过OCR来识别。

我这里上传了一个之前2份文档，上传后可以看到Paperless正在读取文档的元数据。

首先是文字型PDF文件，左侧会展示标题、日期等元数据，右侧是PDF文档的文件内容。

将左侧标签切换到内容一栏后，可以看到文字型PDF所有内容都在里面了，可以搜索、复制、黏贴。

这一份电子化文档，我们可以通过HTTP链接进行分享，也可以在Paperless系统里创建项目、组织、人员进行点对点分配。

接着，我们再来看一个扫描型PDF，同样在内容里，可以看到通过OCR识别以后的文字内容，准确度还是比较高的。

如果刚才没配置OCR语言，这里就会显示英文乱码，所以记得去配置一下。

3、其它功能

Paperless目前还集成了一定的AI能力，可以设置一个文档工作流。在工作流中，我们可以根据文档上传、更新、触发等条件，进行文档的自动分配、通知，从而实现项目文档全自动处理。

此外，Paperless还支持webhook、邮件等消息通知，增加项目、文档管理的沟通渠道。

剩下的就是文档管理方面的标签、类型、权限、组员等维护信息。

总结

Paperless-ngx这个项目，支持海量的文件格式上传，支持通过不同类型、标签、路径进行分类，甚至支持全文检索。因此无论是个人使用，亦或是在企业办公场景下使用，都可以帮助我们快速整理和管理文件资料， 进一步发挥NAS存储资料的核心用途。

最后，还是得提醒一句，项目使用了docker volume进行文件路径，所以我们上传的资料都是data卷下面，大家记得定时备份，或者改成bind模式哦~

来源：可爱的小cherry