档案软件维护成本高？教你用Docker自建零成本系统

一、技术选型与架构说明

针对档案软件维护成本高、二次开发难、数据迁移繁琐的问题，本文采用目前开源社区最成熟的文档管理系统Paperless-ngx作为核心，配合Docker容器化技术进行部署。该方案完全替代传统商业档案软件的文档归档、OCR识别、全文检索及标签管理功能。

系统架构包含三个核心组件：

• paperless-webserver：基于Django的Web应用，负责业务逻辑处理。
• paperless-redis：负责任务队列管理和缓存。
• paperless-postgres：存储元数据、用户配置及索引信息。
• paperless-gotenberg：负责将文档转换为PDF。
• paperless-tika：负责解析文档内容。

二、环境准备与Docker安装

本指南以Ubuntu 22.04 LTS为例，其他CentOS或Debian系统操作步骤类似。首先确保你拥有一台拥有Root权限的服务器。

1. 更新系统并安装依赖

执行以下命令更新系统源并安装必要的工具：

```bash apt update && apt upgrade -y apt install -y curl git wget ```

2. 安装Docker及Docker Compose

直接使用官方一键安装脚本，避免手动配置环境变量出错：

```bash curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun ```

安装完成后，启动Docker服务并设置开机自启：

```bash systemctl start docker systemctl enable docker ```

验证安装是否成功：

```bash docker --version docker compose version ```

三、项目目录与配置文件创建

为了便于管理和数据持久化，我们需要创建一个独立的目录来存放配置和数据文件。

1. 创建目录结构

```bash mkdir -p /opt/paperless/data mkdir -p /opt/paperless/media mkdir -p /opt/paperless/export mkdir -p /opt/paperless/consume cd /opt/paperless ```

2. 编写docker-compose.yml

在/opt/paperless目录下创建docker-compose.yml文件。请直接复制以下完整配置，无需修改即可运行。该配置已包含中文环境优化设置。

```yaml services: broker: image: docker.io/library/redis:7 restart: always volumes: - ./redis:/data gotenberg: image: docker.io/gotenberg/gotenberg:7.7 restart: always command: - "gotenberg" - "--chromium-disable-javascript=true" - "--chromium-allow-list=file:///tmp/." tika: image: ghcr.io/paperless-ngx/tika:latest restart: always db: image: docker.io/postgres:15 restart: always volumes: - ./postgres:/var/lib/postgresql/data environment: POSTGRES_DB: paperless POSTGRES_USER: paperless POSTGRES_PASSWORD: paperless webserver: image: ghcr.io/paperless-ngx/paperless-ngx:latest restart: always depends_on: - db - broker - gotenberg - tika ports: - "8000:8000" healthcheck: test: ["CMD", "curl", "-f", "http://localhost:8000"] interval: 30s timeout: 10s retries: 5 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 PAPERLESS_DBPASS: paperless 设置时区为上海 PAPERLESS_TIME_ZONE: Asia/Shanghai 设置OCR语言为简体中文和英文，这是档案识别的关键 PAPERLESS_OCR_LANGUAGE: chi_sim+eng PAPERLESS_OCR_MODE: skip_no_text 自动消耗导入目录中的文件 PAPERLESS_CONSUMPTION_DIR: /usr/src/paperless/consume PAPERLESS_MEDIA_ROOT: /usr/src/paperless/media 禁用遥测数据上传 PAPERLESS_ENABLE_HTTP_REMOTE_USER: false USERMAP_UID: 1000 USERMAP_GID: 1000 webserver-exporter: image: ghcr.io/paperless-ngx/paperless-ngx:latest restart: always depends_on: - db - broker - gotenberg - tika volumes: - ./data:/usr/src/paperless/data - ./media:/usr/src/paperless/media - ./export:/usr/src/paperless/export environment: PAPERLESS_REDIS: redis://broker:6379 PAPERLESS_DBHOST: db PAPERLESS_DBPASS: paperless PAPERLESS_TIME_ZONE: Asia/Shanghai command: ["document_exporter"] volumes: data: media: postgres: ```

四、部署与中文OCR支持配置

配置文件准备好后，即可启动服务。由于官方镜像默认未包含完整的中文OCR训练数据，我们需要在启动后手动加载，否则档案识别将无法显示中文。

1. 启动服务容器

在/opt/paperless目录下执行：

```bash docker compose up -d ``>

等待约30-60秒，待所有容器状态为Up (healthy)后，查看启动日志：

```bash docker compose logs -f webserver ```

看到类似Starting development server at http://0.0.0.0:8000/的日志时，按Ctrl+C退出日志查看。

2. 安装中文OCR语言包

这是实现档案中文检索的核心步骤。我们需要下载chi_sim.traineddata文件并放入容器内的Tesseract tessdata目录。

首先进入webserver容器：

```bash docker exec -it paperless-webserver-1 bash ```

在容器内执行以下命令下载中文简体语言包：

```bash wget https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata -P /usr/share/tessdata/ wget https://github.com/tesseract-ocr/tessdata/raw/main/eng.traineddata -P /usr/share/tessdata/ ```

下载完成后，验证文件是否存在：

```bash ls -l /usr/share/tessdata/chi_sim.traineddata ```

确认文件存在后，退出容器：

```bash exit ```

重启Web服务以加载语言包：

```bash docker compose restart webserver ```

五、初始化与基础使用

1. 创建超级管理员账户

服务重启完毕后，执行以下命令创建管理员：

```bash docker compose exec webserver createsuperuser ``>

按照提示输入用户名、邮箱和密码（密码输入时不可见）。

2. 访问系统与文档归档

打开浏览器，访问http://服务器IP:8000。使用刚才创建的超级管理员账户登录。

档案上传方式：

• Web界面上传：点击右上角“Upload”按钮，直接拖拽PDF或图片文件。
• 文件夹监控（推荐）：将文件上传到服务器的/opt/paperless/consume目录，系统会自动抓取、OCR识别并归档，随后自动删除原文件。

3. 验证OCR识别效果

上传一张包含中文的PDF或图片，进入“Documents”列表。点击文档详情，在右侧侧边栏查看“Metadata”或直接在搜索框输入文档中的中文关键词。如果能搜到结果，说明中文OCR配置成功。

六、自动化备份与维护策略

解决维护成本高的核心在于自动化。通过脚本实现数据库和文件的定时备份，确保数据安全且无需人工干预。

1. 编写自动备份脚本

创建/opt/paperless/backup.sh文件，写入以下内容：

```bash !/bin/bash 定义变量 BACKUP_DIR="/opt/paperless/backups" DATE=$(date +%Y%m%d_%H%M%S) POSTGRES_CONTAINER="paperless-db-1" 创建备份目录 mkdir -p $BACKUP_DIR 1. 备份PostgreSQL数据库 echo "Backing up database..." docker exec $POSTGRES_CONTAINER pg_dump -U paperless paperless > $BACKUP_DIR/db_backup_$DATE.sql 2. 打包数据目录和媒体目录 echo "Backing up data and media..." tar -czf $BACKUP_DIR/paperless_data_$DATE.tar.gz /opt/paperless/data /opt/paperless/media 3. 删除7天前的备份 find $BACKUP_DIR -type f -mtime +7 -delete echo "Backup completed: $DATE" ```

赋予脚本执行权限：

```bash chmod +x /opt/paperless/backup.sh ```

2. 设置定时任务

使用crontab每天凌晨2点自动执行备份：

```bash crontab -e ```

在文件末尾添加：

```bash 0 2 /opt/paperless/backup.sh >> /var/log/paperless_backup.log 2>&1 ```

七、系统更新与灾难恢复

当软件版本更新时，无需重新购买或复杂迁移，只需执行以下命令即可一键升级：

1. 更新系统镜像

```bash cd /opt/paperless docker compose pull docker compose up -d docker image prune -f ```

2. 灾难恢复操作

若服务器发生故障，只需在新机器上按照上述步骤安装Docker和配置目录，然后将backups目录中的备份文件拷贝过去。

恢复数据库：

```bash 恢复DB docker exec -i paperless-db-1 psql -U paperless paperless < db_backup_xxx.sql 恢复文件 tar -xzf paperless_data_xxx.tar.gz -C / ```

执行完恢复操作后，重启服务即可完全还原档案系统。