档案软件实操教程：从安装部署到核心功能使用详解

技术选型与环境准备

本文将以开源领域最成熟的文档管理系统 Paperless-ngx 为例，讲解如何从零构建一套企业级档案管理软件。该方案支持 OCR 识别、标签归档及全文检索，完全满足个人及中小团队的档案管理需求。在开始操作前，请确保你拥有一台安装了 Ubuntu 20.04+ 或 CentOS 7+ 的服务器，且服务器内存至少为 2GB。

我们需要在服务器上安装 Docker 及 Docker Compose 环境。这是运行该档案软件的基础依赖。请直接复制以下命令并在终端中执行：

 更新系统源
sudo apt-get update
安装必要的依赖工具
sudo apt-get install -y curl git
安装 Docker
curl -fsSL https://get.docker.com | sh
启动 Docker 服务
sudo systemctl start docker
sudo systemctl enable docker
安装 Docker Compose
sudo curl -L "https://github.com/docker/compose/releases/download/v2.20.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
赋予执行权限
sudo chmod +x /usr/local/bin/docker-compose
验证安装结果
docker --version
docker-compose --version

执行完上述命令后，如果终端输出了 Docker 和 Docker Compose 的版本号，说明环境准备完成。如果未输出，请检查网络连接或重新执行安装脚本。

获取并配置部署文件

环境就绪后，接下来需要获取软件的配置文件。为了方便管理，我们创建一个独立的目录来存放所有配置数据。执行以下命令：

 创建项目目录
mkdir -p ~/paperless-ngx
cd ~/paperless-ngx

进入目录后，我们需要创建 docker-compose.yml 文件。这个文件定义了档案软件运行的所有核心组件，包括 Web 服务、数据库、缓存任务队列以及全文检索索引。请直接复制以下完整内容到该文件中：

version: "3.4"
services:
broker:
image: docker.io/library/redis:7
restart: 除非手动停止
volumes:
- ./redis:/data
db:
image: docker.io/postgres:15
restart: 除非手动停止
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: 除非手动停止
depends_on:
- db
- broker
ports:
- "8000:8000"
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
PAPERLESS_DBPASS: paperless
设置管理员用户名，首次启动后生效
PAPERLESS_ADMIN_USER: admin
设置管理员密码，请务必修改下方的复杂密码
PAPERLESS_ADMIN_PASSWORD: your_secure_password_here
设置时区
PAPERLESS_TIME_ZONE: Asia/Shanghai
配置 OCR 识别语言，包含英文和简体中文
PAPERLESS_OCR_LANGUAGE: chi_sim+eng
自动识别文档方向
PAPERLESS_OCR_DESKEW: true
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:8000"]
interval: 30s
timeout: 10s
retries: 5
webserver-consumer:
image: ghcr.io/paperless-ngx/paperless-ngx:latest
restart: 除非手动停止
depends_on:
- db
- broker
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
PAPERLESS_CONSUME_UPLOADS: true
PAPERLESS_OCR_LANGUAGE: chi_sim+eng

注意：在保存文件前，请务必修改 PAPERLESS_ADMIN_PASSWORD 后面的值为你的强密码。配置文件中的 ports 映射为 "8000:8000"，意味着我们将通过服务器的 8000 端口访问该软件。如果你的服务器开启了防火墙，请执行以下命令放行端口：

sudo ufw allow 8000/tcp

启动服务与初始化

配置文件保存完毕后，即可启动服务。执行以下命令拉取镜像并启动容器：

 启动所有服务，并在后台运行
docker-compose up -d
查看服务运行状态，确保所有服务都是 Up 状态
docker-compose ps

初次启动时，Docker 会自动下载所需镜像，大小约 1GB，具体时间取决于你的服务器网速。当所有服务的 State 列都显示为 Up 时，说明软件已成功运行。此时，打开浏览器，访问 http://你的服务器IP:8000。

在登录界面输入配置文件中设置的用户名 admin 和你修改后的密码即可进入系统。首次进入后，系统会自动引导你完成一些基本设置，你可以直接跳过，直接进入主界面开始操作。

核心功能实操指南

登录系统后，我们将进行档案管理的核心操作，包括文档上传、OCR 识别处理、标签分类及全文检索。

1. 文档上传与 OCR 识别

档案管理的第一步是将纸质文件或电子文档录入系统。Paperless-ngx 支持多种格式，包括 PDF、JPEG、PNG、TIFF 等。

操作步骤：

• 点击界面右上角的 “上传文档” 按钮。
• 在弹出的对话框中，点击 “选择文件”，选中本地电脑中需要归档的文件。
• 如果是扫描件图片，系统会自动将其转换为 PDF 格式。
• 文件上传后，系统会自动进入 “处理队列”。此时，文档状态为“正在处理”。

处理过程包括 OCR 识别。我们在配置文件中已设置了 chi_sim+eng，这意味着系统会自动提取图片中的中文和英文文字，并将其写入文档的元数据中，使其变为可搜索、可复制的文本。处理完成后，文档会自动出现在 “文档” 列表中。

批量导入实操：如果需要导入大量历史文档，无需在网页上一一操作。你可以直接将文件 SCP 或 SFTP 上传到服务器目录 ~/paperless-ngx/consume 中。系统会自动监听该目录，一旦检测到新文件，就会立即将其抓取并进行 OCR 处理和归档。

2. 标签体系与归档管理

为了方便后续检索，必须对文档进行分类。该软件使用“标签”作为核心分类手段。

创建标签：

• 点击左侧菜单栏的 “标签” 选项。
• 点击右上角的 “+” 号，输入标签名称，例如“发票”、“合同”、“人事档案”。
• 你可以为不同的标签设置不同的颜色，以便在列表中快速区分。

关联文档：

• 进入 “文档” 列表，勾选需要归档的文件。
• 在列表上方的工具栏中，点击 “编辑” 按钮。
• 在弹出的编辑框中，找到 “标签” 下拉菜单，选择刚才创建的标签。
• 点击 “保存”。此时，文档详情页中会显示对应的标签。

你还可以在编辑界面修改文档的 “标题”、“归档日期”（Archive Date）以及 “通信人”（Correspondent）等元数据。完善这些元数据是建立高效档案库的关键。

3. 高级检索与文档导出

当档案库中积累了成百上千份文件后，快速查找变得至关重要。该软件提供了强大的搜索引擎。

搜索实操：

• 在界面顶部的搜索栏中输入关键词。系统会匹配 文档标题、OCR 识别后的文本内容 以及 标签名称。
• 语法搜索：支持特定的搜索语法。例如，输入 tag:发票 可以精确筛选出所有带有“发票”标签的文档。输入 title:合同 可以筛选标题中包含“合同”的文档。
• 组合搜索：可以使用 AND 或 OR。例如 tag:发票 AND 2023 可以查找 2023 年的发票文档。

文档导出：

• 在文档列表中勾选需要导出的文件。
• 点击工具栏的 “导出” 按钮。
• 系统会生成一个包含所有选中文档的 ZIP 压缩包，并自动开始下载。如果需要原始文件，确保在导出设置中选择“原始格式”。

常见维护操作

为了保证档案数据的绝对安全，必须定期执行备份操作。本方案的数据主要存储在 PostgreSQL 数据库 和 Media 文件目录 中。

数据备份命令：

我们可以编写一个简单的脚本，利用 Docker 命令将数据库导出为 SQL 文件：

 进入项目目录
cd ~/paperless-ngx
导出数据库数据
docker-compose exec -T db pg_dump -U paperless paperless > backup_$(date +%Y%m%d).sql
打包 media 和 data 目录（包含文档文件和配置）
tar -czvf paperless_data_$(date +%Y%m%d).tar.gz ./media ./data ./export

执行上述命令后，项目目录下会生成 .sql 和 .tar.gz 文件。请务必将这些文件通过 SCP 下载到本地或其他安全的存储介质中。

恢复数据步骤：

如果需要迁移或恢复数据，请先停止服务，解压文件覆盖原目录，然后执行数据库导入：

 停止服务
docker-compose down
解压数据文件（假设你已经上传了备份文件）
tar -xzvf paperless_data_20231027.tar.gz
启动基础服务（db, broker）
docker-compose up -d db broker
等待数据库启动完成后，导入数据
cat backup_20231027.sql | docker-compose exec -T db psql -U paperless paperless
启动所有服务
docker-compose up -d

通过以上步骤，你已经完整搭建并掌握了一套企业级档案软件的使用方法。从 Docker 部署到 OCR 自动识别，再到标签化管理与备份恢复，这套方案能够零门槛、低成本地解决文档归档痛点。