使用 Docker 部署支持中文 OCR 的 Paperless-ngx 文档管理系统

引言

Paperless-ngx 是一个强大的开源文档管理系统，可以帮助我们实现无纸化办公。本文将介绍如何使用定制的 Docker 镜像快速部署一个支持中文 OCR 的 Paperless-ngx 系统。

Paperless-ngx 简介

Paperless-ngx 是一个文档归档系统，它可以：

• 自动扫描和 OCR 识别文档
• 智能分类和标签管理
• 全文检索
• Web 界面管理
• API 接口支持

定制镜像特性

这个定制版本的 Docker 镜像在官方版本基础上增加了以下特性：

• 内置中文简体和繁体 OCR 支持
• 自动更新到最新版本

部署步骤

1. 环境准备

首先创建项目目录并下载必要的配置文件：

mkdir paperless-ngx
cd paperless-ngx

# 下载 compose 配置
wget -O compose.yaml https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/refs/heads/main/docker/compose/docker-compose.postgres-tika.yml

# 使用定制镜像
sed -i 's/ghcr.io\/paperless-ngx\/paperless-ngx:latest/liuweitao\/paperless-ngx:latest/g' compose.yaml

# 下载环境配置
wget https://raw.githubusercontent.com/liuweitao/DockerHub-AutoBuild/master/paperless-ngx/.env
wget https://raw.githubusercontent.com/liuweitao/DockerHub-AutoBuild/master/paperless-ngx/docker-compose.env

2. 配置说明

需要注意的关键配置项：

系统配置

• PAPERLESS_URL: 服务访问地址
• PAPERLESS_TIME_ZONE: 时区设置
• USERMAP_UID 和 USERMAP_GID: 运行用户权限

OCR 配置

• PAPERLESS_OCR_LANGUAGES: 已安装的 OCR 语言包
• PAPERLESS_OCR_LANGUAGE: 默认 OCR 识别语言

3. 启动服务

# 拉取镜像
docker compose pull

# 创建管理员账号
docker compose run --rm webserver createsuperuser

# 启动服务
docker compose up -d

系统使用

文档存储结构

系统包含以下重要目录：

• data: 数据库和索引文件存储
• media: 文档处理后的存储位置
• export: 文档导出目录
• consume: 文档导入监控目录

文档处理流程

1. 将文档放入 consume 目录
2. 系统自动扫描并进行 OCR 识别
3. 根据规则进行分类和标签添加
4. 可通过 Web 界面查看和管理文档

最佳实践建议

1. 安全性考虑

• 建议使用 HTTPS 进行加密访问
• 配置反向代理保护服务
• 定期更新系统和镜像

2. 性能优化

• 为文档存储预留足够空间
• 根据需要调整 OCR 语言包
• 合理设置文档处理队列

3. 数据备份

• 定期备份数据库
• 备份重要的配置文件
• 考虑使用外部存储服务

结语

通过使用这个支持中文 OCR 的 Paperless-ngx Docker 镜像，我们可以快速部署一个功能完善的文档管理系统。系统的自动化程度高，维护简单，适合个人和小团队使用。

参考资源

• DockerHub-AutoBuild 项目
• Paperless-ngx 官方文档