从零搭建可直接落地的档案数字化数据流程软件实操指南

一、前置准备

本次搭建使用Python实现，零开发基础也能按步骤完成，所有资源都提供直接可访问的下载地址，无需额外搜索。

1.1 安装Python环境

下载Python 3.10稳定版本，安装包地址：https://www.python.org/downloads/release/python-31011/，下载对应你系统的安装包，安装过程中必须勾选「Add Python to PATH」选项，否则后续运行会报错，完成安装后打开命令提示符，输入python --version，输出版本号即说明安装成功。

1.2 安装依赖包

打开命令提示符，直接复制执行以下命令，完成所有依赖安装：

```
pip install flask pandas python-docx openpyxl pytesseract pillow
```

如果需要OCR识别扫描件功能，额外安装Tesseract OCR工具，安装包地址：https://github.com/tesseract-ocr/tesseract/releases/download/5.3.3/tesseract-ocr-w64-setup-5.3.3.20231005.exe，安装完成后需要将默认安装目录C:\Program Files\Tesseract-OCR添加到系统环境变量PATH中。

二、项目初始化

在电脑任意位置新建名为archives的根文件夹，在根文件夹内手动新建以下文件和文件夹，结构如下：

• archives/ 项目根目录
• archives/templates/ 存放前端操作页面
• archives/data/ 存放业务数据
• archives/data/input/ 待处理档案目录
• archives/data/output/ 已归档档案目录
• archives/data/temp/ 临时缓存目录
• archives/app.py 程序主文件
• archives/templates/index.html 前端操作页面文件

注意：input、output、temp三个子文件夹必须手动创建，否则程序运行会报错。

三、编写程序代码

3.1 编写主程序app.py

打开app.py文件，直接复制粘贴以下完整代码，无需修改即可使用：

```
from flask import Flask, render_template, request
import pandas as pd
import os
import pytesseract
from PIL import Image
app = Flask(__name__)
app.config['UPLOAD_FOLDER_INPUT'] = './data/input'
app.config['UPLOAD_FOLDER_OUTPUT'] = './data/output'
app.config['UPLOAD_FOLDER_TEMP'] = './data/temp'
限制上传文件大小16M，可自行修改数值调整大小
app.config['MAX_CONTENT_LENGTH'] = 16  1024  1024
初始化档案索引表，首次运行自动生成
if not os.path.exists('./data/archive_index.xlsx'):
df = pd.DataFrame(columns=['档案编号', '档案名称', '年度', '状态', '归档时间', '存储路径'])
df.to_excel('./data/archive_index.xlsx', index=False)
@app.route('/')
def index():
读取所有档案信息渲染页面
df = pd.read_excel('./data/archive_index.xlsx')
archives = df.to_dict('records')
return render_template('index.html', archives=archives)
@app.route('/add', methods=['POST'])
def add_archive():
新增档案信息
archive_no = request.form.get('archive_no')
archive_name = request.form.get('archive_name')
year = request.form.get('year')
df = pd.read_excel('./data/archive_index.xlsx')
new_row = pd.DataFrame([[archive_no, archive_name, year, '待处理', '', f'data/input/{archive_no}']],
columns=['档案编号', '档案名称', '年度', '状态', '归档时间', '存储路径'])
df = pd.concat([df, new_row], ignore_index=True)
df.to_excel('./data/archive_index.xlsx', index=False)
return 'success'
@app.route('/ocr', methods=['POST'])
def do_ocr():
OCR识别扫描图像文字
file = request.files.get('image')
img = Image.open(file)
text = pytesseract.image_to_string(img, lang='chi_sim')
return text
@app.route('/finish', methods=['POST'])
def finish_archive():
质检通过后归档档案
archive_no = request.form.get('archive_no')
df = pd.read_excel('./data/archive_index.xlsx')
from datetime import datetime
df.loc[df['档案编号'] == archive_no, '状态'] = '已归档'
df.loc[df['档案编号'] == archive_no, '归档时间'] = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
df.loc[df['档案编号'] == archive_no, '存储路径'] = f'data/output/{archive_no}'
df.to_excel('./data/archive_index.xlsx', index=False)
return 'success'
if __name__ == '__main__':
app.run(debug=True, host='127.0.0.1', port=5000)
```

3.2 编写操作页面index.html

打开templates文件夹下的index.html文件，复制粘贴以下完整代码：

```









档案数字化数据流程管理
新增待处理档案


档案编号：



档案名称：



档案年度：


提交新增

现有档案列表

{% for archive in archives %}

{% endfor %}


档案编号
档案名称
年度
状态
操作


{{ archive['档案编号'] }}
{{ archive['档案名称'] }}
{{ archive['年度'] }}
{{ archive['状态'] }}

{% if archive['状态'] == '待处理' %}
质检通过归档
{% else %}
{{ archive['归档时间'] }}
{% endif %}







```

四、启动使用流程

1. 打开命令提示符，输入cd 你的项目根目录完整路径，例如项目存放在D盘根目录的archives文件夹，就输入cd D:\archives
2. 输入启动命令python app.py，看到控制台输出 Running on http://127.0.0.1:5000即说明启动成功
3. 打开任意浏览器，输入地址http://127.0.0.1:5000即可进入操作界面

操作流程完全符合标准档案数字化规范：

1. 新增待处理档案：填写档案基本信息提交，自动进入待处理队列，生成索引记录
2. 扫描完成后上传扫描件到对应档案的待处理目录，调用OCR功能提取文字内容
3. 人工质检完成后点击归档按钮，系统自动更新档案状态，统一存入归档目录，生成可导出的档案索引Excel表

五、常见问题排查

• 启动提示「python不是内部或外部命令」：安装Python时没有勾选Add Python to PATH，卸载后重新安装，必须勾选该选项
• 提示找不到对应模块：执行python -m pip install 缺失的模块名重新安装依赖即可
• 端口5000被占用启动失败：打开app.py，修改最后一行的port参数为其他端口，例如改为port=5001，重启程序即可
• OCR识别中文乱码或识别失败：安装Tesseract时没有勾选中文语言包，重新安装，在选择组件步骤勾选「Chinese Simplified」即可