零基础搭建档案数字化公文系统实操教程

一、环境准备与基础工具安装

在开始构建档案数字化公文系统之前，必须先配置好标准化的开发环境。本系统采用后端Spring Boot + 前端Vue.js + 数据库MySQL + OCR引擎Tesseract的架构。请严格按照以下步骤执行环境初始化。

1. 安装JDK 17与Maven

后端运行依赖Java环境。请下载并安装JDK 17（LTS版本），配置环境变量JAVA_HOME。Maven版本建议使用3.8.6以上。

验证命令：

```bash java -version mvn -version ```

2. 安装Node.js与npm

前端构建需要Node.js环境。请前往Node.js官网下载LTS版本（推荐v18或v20），安装包会自动包含npm包管理器。

验证命令：

```bash node -v npm -v ```

3. 部署MySQL数据库

为了快速落地，推荐使用Docker直接拉取MySQL镜像，避免繁琐的本地安装配置。

执行命令：

```bash docker run -d \ --name doc-mysql \ -e MYSQL_ROOT_PASSWORD=root123456 \ -e MYSQL_DATABASE=doc_system \ -p 3306:3306 \ mysql:8.0 ```

4. 安装Tesseract OCR引擎

这是实现档案数字化的核心组件，用于将图片格式的公文识别为可检索的文本。

• Windows：下载UB Mannheim安装包，安装时务必勾选“Chinese (Simplified)”语言包。
• Linux (CentOS/Ubuntu)：执行以下命令安装。

```bash Ubuntu/Debian sudo apt-get install tesseract-ocr tesseract-ocr-chi-sim CentOS sudo yum install tesseract tesseract-langpack-chi-sim ```

二、数据库表结构设计

我们需要一张核心表来存储公文的元数据以及OCR识别后的文本内容。请在MySQL中执行以下SQL脚本完成建表。

建表SQL脚本：

```sql USE doc_system; CREATE TABLE t_document ( id BIGINT AUTO_INCREMENT PRIMARY KEY COMMENT '主键ID', title VARCHAR(255) NOT NULL COMMENT '公文标题', original_name VARCHAR(255) NOT NULL COMMENT '原始文件名', file_path VARCHAR(500) NOT NULL COMMENT '文件存储路径', content_text TEXT COMMENT 'OCR识别后的全文内容', status TINYINT DEFAULT 0 COMMENT '状态：0-处理中，1-已完成，2-失败', create_time DATETIME DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', update_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间' ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='数字化公文档案表'; ```

三、后端服务开发（Spring Boot）

使用Spring Initializr创建项目，依赖选择：Spring Web, Spring Data JPA, MySQL Driver, Lombok。

1. 配置pom.xml依赖

除了基础依赖外，需要引入Tesseract的Java封装库tess4j用于调用OCR引擎。

```xml org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-starter-data-jpa com.mysql mysql-connector-j runtime org.projectlombok lombok true net.sourceforge.tess4j tess4j 5.2.1 ```

2. 配置application.yml

配置数据库连接信息及文件上传路径限制。请确保数据库密码与Docker启动时设置的一致。

```yaml server: port: 8080 spring: datasource: url: jdbc:mysql://localhost:3306/doc_system?useUnicode=true&characterEncoding=utf8&serverTimezone=Asia/Shanghai username: root password: root123456 driver-class-name: com.mysql.cj.jdbc.Driver jpa: hibernate: ddl-auto: update show-sql: true servlet: multipart: max-file-size: 50MB max-request-size: 50MB 自定义文件存储路径 file: upload-dir: ./uploads ```

3. 核心实体类与Repository

创建Entity类对应数据库表结构，以及Repository接口用于数据操作。

```java package com.doc.entity; import jakarta.persistence.; import lombok.Data; import java.time.LocalDateTime; @Data @Entity @Table(name = "t_document") public class Document { @Id @GeneratedValue(strategy = GenerationType.IDENTITY) private Long id; private String title; private String originalName; private String filePath; @Column(columnDefinition = "TEXT") private String contentText; private Integer status; private LocalDateTime createTime; private LocalDateTime updateTime; } ``` ```java package com.doc.repository; import com.doc.entity.Document; import org.springframework.data.jpa.repository.JpaRepository; import org.springframework.stereotype.Repository; @Repository public interface DocumentRepository extends JpaRepository { } ```

4. OCR识别服务实现

这是系统的核心逻辑，负责读取上传的文件并调用Tesseract提取文字。注意Windows和Linux下字体库路径的差异，这里使用默认配置，确保环境变量已配置。

```java package com.doc.service; import net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.TesseractException; import org.springframework.beans.factory.annotation.Value; import org.springframework.stereotype.Service; import java.io.File; @Service public class OcrService { @Value("${tesseract.datapath:}") private String dataPath; public String extractText(File imageFile) throws TesseractException { Tesseract tesseract = new Tesseract(); // 如果需要指定tessdata路径，可在此设置 // tesseract.setDatapath(dataPath); tesseract.setLanguage("chi_sim+eng"); // 设置中英文识别 return tesseract.doOCR(imageFile); } } ```

5. 文件上传与业务控制器

提供接口供前端上传文件，保存文件到本地，异步或同步进行OCR处理，并将结果存入数据库。

```java package com.doc.controller; import com.doc.entity.Document; import com.doc.repository.DocumentRepository; import com.doc.service.OcrService; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Value; import org.springframework.web.bind.annotation.; import org.springframework.web.multipart.MultipartFile; import java.io.File; import java.io.IOException; import java.nio.file.Files; import java.nio.file.Path; import java.nio.file.Paths; import java.time.LocalDateTime; import java.util.HashMap; import java.util.Map; import java.util.UUID; @RestController @RequestMapping("/api/doc") @CrossOrigin(origins = "") public class DocumentController { @Autowired private DocumentRepository documentRepository; @Autowired private OcrService ocrService; @Value("${file.upload-dir}") private String uploadDir; @PostMapping("/upload") public Map upload(@RequestParam("file") MultipartFile file, @RequestParam("title") String title) { Map result = new HashMap<>(); try { // 1. 创建上传目录 File dir = new File(uploadDir); if (!dir.exists()) dir.mkdirs(); // 2. 生成唯一文件名并保存 String originalFilename = file.getOriginalFilename(); String ext = originalFilename.substring(originalFilename.lastIndexOf(".")); String newFileName = UUID.randomUUID().toString() + ext; Path path = Paths.get(uploadDir, newFileName); Files.write(path, file.getBytes()); // 3. 执行OCR识别 String content = ocrService.extractText(path.toFile()); // 4. 保存数据库记录 Document doc = new Document(); doc.setTitle(title); doc.setOriginalName(originalFilename); doc.setFilePath(path.toString()); doc.setContentText(content); doc.setStatus(1); // 1表示成功 doc.setCreateTime(LocalDateTime.now()); doc.setUpdateTime(LocalDateTime.now()); documentRepository.save(doc); result.put("code", 200); result.put("message", "上传并识别成功"); result.put("data", doc); } catch (IOException | Exception e) { result.put("code", 500); result.put("message", "处理失败：" + e.getMessage()); } return result; } @GetMapping("/list") public Iterable list() { return documentRepository.findAllByOrderByIdDesc(); } } ```

四、前端界面开发（Vue.js）

前端使用Vue 3配合Element Plus组件库，实现文件上传和列表展示功能。

1. 项目初始化

在命令行执行以下命令创建项目并安装依赖。

```bash npm create vue@latest doc-frontend 选择默认配置即可 cd doc-frontend npm install npm install axios element-plus ```

2. 编写主入口文件

修改main.js引入Element Plus样式和组件库。

```javascript import { createApp } from 'vue' import App from './App.vue' import ElementPlus from 'element-plus' import 'element-plus/dist/index.css' import axios from 'axios' const app = createApp(App) app.use(ElementPlus) app.config.globalProperties.$axios = axios app.mount('app') ```

3. 开发业务组件（App.vue）

将所有逻辑封装在App.vue中，包含上传表单和表格展示。确保后端接口地址http://localhost:8080/api/doc可访问。

```html ```

五、系统运行与测试

代码编写完成后，按顺序启动后端和前端服务进行验证。

1. 启动后端服务

在IDEA中运行DocApplication主类，或使用Maven命令打包运行。

```bash mvn clean package java -jar target/your-artifact-name.jar ```

看到控制台输出Started DocApplication即表示启动成功。

2. 启动前端服务

在frontend目录下运行开发服务器。

```bash npm run dev ```

命令行会输出本地访问地址，通常是 http://localhost:5173。

3. 功能验证

1. 访问页面：打开浏览器访问前端地址。
2. 上传测试：准备一张包含中文文字的图片（如扫描件或截图），输入标题，点击“开始数字化处理”。
3. 结果确认：观察列表是否新增一条记录，状态为“已完成”。点击“查看全文”，检查识别出的文字是否与图片内容一致。

至此，一个具备基础OCR数字化能力的公文系统已完全落地。如需提升识别率，建议针对特定字体训练Tesseract模型或接入商业API。