NAS 文档管理神器!极空间部署 Paperless-ngx 文档自动 OCR 归档

平时电脑和 NAS 里面最容易乱的，除了照片和视频，应该就是各种文档了。

发票、合同、说明书、保修单、账单、证件扫描件、 PDF 资料……刚保存的时候觉得随便建个文件夹就行，时间一长就会发现，同一类文件可能散落在十几个目录里，真要找的时候完全记不起文件名。

那我们的 NAS 基本都是 7×24 小时运行的，能不能干脆在 NAS 上部署一套真正的文档管理系统？

最近就折腾了一下 Paperless-ngx。

Paperless-ngx 是什么？

Paperless-ngx 是一个开源、自托管的文档管理系统。

简单来说，就是把原本散落在电脑、手机和各种文件夹里的文档统一丢进去， Paperless-ngx 帮你完成 OCR 、归档、分类、标签以及全文搜索。

它底层使用 Tesseract OCR ，支持 100 多种语言；处理后的文档可以保存为适合长期归档的 PDF/A ，同时原始文件也会继续保留。

比如一张 PDF 格式的发票，原先只能通过文件名来搜索。

导入 Paperless-ngx 之后， OCR 会把里面的公司名称、金额、日期等文字提取出来，以后直接搜索内容就能找到。

除了 OCR ，它还有联系人、文档类型、标签、自定义字段、工作流等功能，基本已经是一套比较完整的电子文档归档系统。

极空间部署 Paperless-ngx

Paperless-ngx 官方已经提供了 Docker 镜像，而且支持 AMD64 、 ARM 和 ARM64 ，官方也直接提供了 SQLite 版本的 Docker Compose 。对于个人或者家庭 NAS 使用，其实 SQLite 就已经够用了。

这里咱们依旧直接使用 Docker Compose 部署：

services:  broker:    image: valkey/valkey:9-alpine    container_name: paperless-broker    restart: unless-stopped    volumes:      - ./redisdata:/data  webserver:    image: paperlessngx/paperless-ngx:latest    container_name: paperless-ngx    restart: unless-stopped    depends_on:      - broker    ports:      - "50009:8000"    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_DBENGINE: sqlite      PAPERLESS_TIME_ZONE: Asia/Shanghai      PAPERLESS_SECRET_KEY: "这里换成自己的随机密钥"      PAPERLESS_ADMIN_USER: admin      PAPERLESS_ADMIN_PASSWORD: "这里换成自己的登录密码"      PAPERLESS_OCR_LANGUAGES: "chi-sim"      PAPERLESS_OCR_LANGUAGE: "chi_sim+eng"

这里主要需要改一下管理员密码，以及 PAPERLESS_SECRET_KEY 。

使用体验

容器正常启动之后，在浏览器输入：极空间 IP:50009 ，就可以打开 Paperless-ngx 。

使用我们刚刚在 Compose 中设置的：用户名以及密码直接登录即可。

Paperless-ngx 的首页就是比较传统的文档管理逻辑，上传文件也非常简单， PDF 、扫描件或者图片直接拖进去就可以。

上传之后，后台会自动开始处理文档。对于本身就有文字层的 PDF ，可以直接提取文本；如果是扫描件或者图片，则会通过 OCR 识别里面的内容。

识别完成之后，这些文字就可以直接搜索了。

比如我这里上传了一张账单，以后甚至不需要记得文件叫什么名字，直接搜索账单里面出现过的公司名称、产品型号或者金额，就能把对应文件找出来。

分类与标签

当然，如果只是把文档全扔进去，时间久了还是会乱。

Paperless-ngx 提供了比较完整的分类体系，包括：联系人、文档类型、标签以及自定义字段。

比如合同可以按照甲方公司设置联系人，文档类型设置成“合同”，然后再添加“已签署”“2026”“项目 A”这一类标签。

标签本身还支持父子层级，最多可以建立 5 层的树形结构，所以文档比较多的时候也能整理得比较细。这样后面找资料的时候，就不只是靠文件夹一级一级翻了。

自动导入

paperless 还有个很好用的自动导入功能，前面在部署时咱们已经把./consume 这个文件夹挂载到了 paperless-ngx 的自动导入目录。

以后有新的 PDF 或者扫描文件，直接扔进这个文件夹，就会自动读取并导入，对于经常需要扫描合同、发票或者纸质资料的人来说，这个流程还是挺方便的。

工作流

Paperless-ngx 还有一个比较有意思的功能就是 Workflow 工作流。

可以根据新文档的内容、类型等条件，自动给文件分配标签、自定义字段或者其它属性。比如：检测到“发票”——自动设置文档类型：发票——自动添加标签：财务。

这项功能呢属于是文档比较少的时候感知不强，但是到了后面积累了几千份资料，就会发现自动化整理还是很省事的。

写在最后

Paperless-ngx 这东西，刚开始用可能感觉不到它有什么用。等你资料越攒越多，再找文件的时候，就知道它省了多少事。

像合同、发票、说明书、扫描件、各种 PDF ，直接丢进去就行。后面的 OCR 、分类、搜索都会顺手很多。尤其是扫描件，以前想找一句话只能挨个文件打开看，现在直接搜关键词，差别还是挺明显的。

再加上文件本身还是放在 NAS 里，电脑和手机随时都能访问，在外网下，也能使用极空间自带的 docker 外网访问功能，哪天突然要找几年前的资料，也不用再一层一层翻文件夹。

而且，如果是像公司里面要收集员工的报销发票信息，也能直接使用极空间的文件收集功能，将文件收集文件夹设置为 Paperless-ngx 自动同步的文件夹，这样员工上传的发票信息就能直接识别入库。

性能占用方面， Paperless-ngx 的 OCR 是完全本地的，咱们这边部署在极空间 Z4 Pro+性能版上，做到入库即识别是完全没问题，并且性能占用也非常低，在 NAS 上部署完全没问题。

好了，这篇就写到这。

希望对你有帮助，我们下篇见。