文档管理系统 Papermerge：一键 Docker 部署，30 分钟跑通扫描文档全文搜索

文档管理系统 Papermerge一键 Docker 部署30 分钟跑通扫描文档全文搜索【免费下载链接】papermergeOpen Source Document Management System for Digital Archives (Scanned Documents)项目地址: https://gitcode.com/gh_mirrors/pa/papermerge扫完的发票合同丢进网盘就找不到了Papermerge 是开源文档管理系统专门管理扫描文档上传 PDF 或图片它用 OCR光学字符识别提取文字并建立索引搜合同里的任意一个词就能定位到那一页。按本文操作约 15 分钟完成部署并登录即可全文搜索你的扫描件。它解决什么问题扫描件本质是一张张图片搜索引擎只能匹配文件名匹配不了图里的字。Papermerge 解决的就是这个问题它把你的扫描文档跑一遍 OCR转成可搜索的文本文档本身仍按原件保存。它适合需要长期存放大量扫描件的人发票、合同、病历、扫描版书籍、档案。支持 PDF、TIFF、JPEG、PNG 四种格式界面是类似桌面文件浏览器的双面板布局支持拖放、标签、多级文件夹。与网盘或普通文件管理工具的区别只有一句话它们按文件名找东西Papermerge 按文档里的文字找东西。部署前检查组件最低要求推荐配置Docker一种把应用打包好直接运行的工具20.10 以上带 Compose 支持最新稳定版内存2GB4GB 及以上磁盘空间5GB 可用20GB 及以上部署用的是预构建镜像不需要在本地编译代码。获取项目代码git clone https://gitcode.com/gh_mirrors/pa/papermerge cd papermerge/docker部署3 步完成容器启动第 1 步修改管理员密码与 OCR 语言首次启动时docker/scripts/create_user.py会自动创建名为 admin 的管理员账户密码写死在第 7 行。打开这个文件把passwordadmin里的值改为你自己的密码请替换为你自己的值。同时检查docker/config/papermerge.config.py默认 OCR 语言是deu德语。镜像里预装了德语、英语、法语、俄语、罗马尼亚语、西班牙语 6 种识别包中文不在其中请根据自己的文档语言修改OCR_DEFAULT_LANGUAGE。成功信号两个文件保存成功密码不再是 adminOCR 语言与你文档的语言一致。第 2 步启动 4 个容器cd papermerge/docker docker-compose up -d这个命令会启动 4 个容器appWeb 服务对外端口 8000、dbPostgreSQL 数据库、redis任务队列、worker负责跑 OCR 的后台进程。首次运行要拉取镜像需要几分钟。成功信号执行docker-compose ps4 个容器的 State 列都显示 Up。第 3 步确认首次初始化完成docker-compose logs app | tail -n 20重要提示app 容器的启动脚本docker/app.startup.sh会在首次启动时自动执行数据库迁移并创建管理员账户你不需要手动运行任何 migrate 命令。如果你在第 1 步改了密码要等这次初始化跑完再登录否则登录的还是默认密码。成功信号日志末尾出现 migrate 完成的输出且没有 Traceback 报错。首次运行验证浏览器打开http://localhost:8000用 admin 和第 1 步设置的密码登录。登录后做三件事每件都在 5 分钟内完成上传一份文档把一份扫描版 PDF 拖进页面仓库里自带示例文件example_data/english/page_management/usecase_1/A.pdf上传后文档出现在列表中worker 随即开始 OCR。全文搜索等这份文档的 OCR 完成后在搜索框输入文档里的任意一个词点击结果直接跳到对应页面。建立组织结构新建一个合同文件夹把文档拖进去再给它加一个彩色标签确认列表按新结构刷新。常见坑与下一步打开页面提示连接被拒绝 → 原因app 容器还没就绪通常在拉镜像或跑迁移 → 解决docker-compose ps看 app 是否 Up日志出现 migrate 完成后再刷新页面。8000 端口无法监听 → 原因本机已有服务占用 8000 → 解决把docker/docker-compose.yml中 app 的 ports 左侧改成8080:8000重启后访问 8080 端口。上传后搜不到文档内容 → 原因OCR 任务未完成或识别语言与文档语言不符 → 解决docker-compose logs worker查看任务状态英语文档确认第 1 步已把语言改成 eng。中文扫描件无法识别当前镜像没有中文语言包。换机器后担心档案丢失 → 原因文档原件在 media_root 卷、数据库在 postgres_data7 卷都只存在于本机 Docker 里 → 解决定期把这两个卷用 tar 打包备份恢复时挂回同名卷即可。下一步可以往这些方向走仓库里有对应的测试和示例可以参考多用户权限建组并控制各人可见的文件夹见papermerge/test/contrib/admin/下的 groups、preferences 测试自动分类按规则自动给文档分文件夹、打标签Automates见papermerge/test/contrib/admin/test_views_automates.pyIMAP 邮箱导入把邮件附件自动收进档案见papermerge/test/test_imap_import.py备份与恢复整套档案一键导出与还原见papermerge/test/test_backup_restore.py到这里你手上已经有一个可全文搜索的数字档案库第一份扫描件几秒钟内就能被搜到。下一步把最近一个月的 5 份真实发票传进去用日期搜一遍确认定位准确。【免费下载链接】papermergeOpen Source Document Management System for Digital Archives (Scanned Documents)项目地址: https://gitcode.com/gh_mirrors/pa/papermerge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考