档案软件单机版部署及档案整理标准化实操

技术选型与环境准备

本文采用 Paperless-ngx 作为核心档案管理软件。这是一款基于 Django 的开源文档管理系统，支持 OCR 文字识别、全文检索及自动标签归档，完全适合个人或企业单机版档案数字化管理。系统运行环境基于 Docker Compose，能够屏蔽底层依赖差异，实现一键部署。

1. 安装 Docker 及 Docker Compose

在开始部署前，需确保操作系统已安装 Docker 和 Docker Compose。以下是基于 CentOS 7/8 或 Ubuntu 20.04/22.04 的安装命令：

 安装 Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
启动 Docker 并设置开机自启
systemctl start docker
systemctl enable docker
安装 Docker Compose (如果未自带)
curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose

执行 docker --version 和 docker-compose --version 确认安装成功。

单机版档案系统部署

1. 创建项目目录结构

为了数据持久化与管理方便，请在数据挂载目录下创建专门的文件夹。这里假设创建在 /opt/paperless：

mkdir -p /opt/paperless
cd /opt/paperless
创建数据存储目录
mkdir -p consume export data db redis

目录说明：

• consume： 监控目录，放入此处的文件会被自动导入并删除原文件。
• export： 导出目录，用于存放导出的原始文档。
• data： 应用数据及索引文件存放目录。
• db： PostgreSQL 数据库文件存储。
• redis： Redis 缓存数据存储。

2. 编写 Docker Compose 配置文件

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。该配置已内置中文 OCR 支持与 Tika 转换服务。

version: "3.5"
services:
broker:
image: docker.io/library/redis:7
restart: always
volumes:
- ./redis:/data
db:
image: docker.io/library/postgres:15
restart: always
volumes:
- ./db:/var/lib/postgresql/data
environment:
POSTGRES_USER: paperless
POSTGRES_PASSWORD: paperless
POSTGRES_DB: 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
- ./consume:/usr/src/paperless/consume
- ./export:/usr/src/paperless/export
- ./media:/usr/src/paperless/media
env_file:
- .env
environment:
PAPERLESS_REDIS: redis://broker:6379
PAPERLESS_DBHOST: db
设置时区为上海时间
PAPERLESS_TIME_ZONE: Asia/Shanghai
配置 OCR 使用中文简体 + 英文
PAPERLESS_OCR_LANGUAGE: chi_sim+eng
配置自动重试
PAPERLESS_OCR_RETRY_DELAY: 5
PAPERLESS_OCR_RETRY_MAX: 3
禁用管理员创建向导（可选）
PAPERLESS_DISABLE_ADMIN_CREATION_PROMPT: true
consumer:
image: ghcr.io/paperless-ngx/paperless-ngx:latest
restart: always
depends_on:
- db
- broker
- gotenberg
- tika
volumes:
- ./data:/usr/src/paperless/data
- ./consume:/usr/src/paperless/consume
- ./export:/usr/src/paperless/export
- ./media:/usr/src/paperless/media
env_file:
- .env
environment:
PAPERLESS_REDIS: redis://broker:6379
PAPERLESS_DBHOST: db
PAPERLESS_CONSUMER_POLLING: 30
PAPERLESS_TIME_ZONE: Asia/Shanghai
PAPERLESS_OCR_LANGUAGE: chi_sim+eng
PAPERLESS_OCR_RETRY_DELAY: 5
PAPERLESS_OCR_RETRY_MAX: 3
gotenberg:
image: docker.io/gotenberg/gotenberg:7
restart: always
environment:
- DISABLE_GOOGLE_CHROME=1
tika:
image: apache/tika:latest
restart: always

3. 配置管理员账户

在同目录下创建 .env 文件，用于设置管理员账号密码。如果不创建，系统会在首次启动时生成随机密码显示在日志中，建议手动指定：

PAPERLESS_ADMIN_USER=admin
PAPERLESS_ADMIN_PASSWORD=your_secure_password

注意： 请将 your_secure_password 替换为强密码。

4. 启动服务

执行以下命令拉取镜像并启动容器：

docker-compose up -d

首次启动需要下载镜像，耗时取决于网络速度。启动成功后，通过浏览器访问 http://服务器IP:8000 即可看到登录界面。

档案整理标准化实操

系统部署完成后，核心工作在于建立标准化的档案整理流程。以下步骤将演示如何将杂乱的电子文件转化为可检索的数字档案。

1. 建立标签体系

在 Paperless 中，标签是档案分类的核心。建议按照“档案类型-年份-部门”的维度建立标签。

操作步骤：

1. 登录系统，点击右侧导航栏的 Settings -> Tags。
2. 点击 Add Tag，创建如下标签：
   • 合同类（颜色设为蓝色）
   • 财务凭证（颜色设为红色）
   • 人事档案（颜色设为绿色）
   • 2023年度、2024年度

2. 文档导入与 OCR 识别

将本地电脑上的 PDF 或图片文件导入系统。系统会自动调用 Tesseract OCR 引擎提取文字内容。

操作步骤：

1. 在首页点击右上角的 Upload Document 按钮。
2. 选择本地文件（如 采购合同_A公司.pdf）上传。
3. 上传后，文件会进入 Documents 列表，状态栏显示 Processing。
4. 等待约 10-30 秒（取决于文件大小和 CPU 性能），状态变为 Success。
5. 点击文档进入详情页，右侧 Content 面板会显示识别出的中文文本。如果文本显示正常，说明 OCR 配置成功。

3. 元数据完善与归档

单靠文件名无法满足管理需求，需对每份档案进行元数据打标。

操作步骤：

1. 在文档详情页，点击 Edit 按钮。
2. Title（标题）： 修改为标准格式，例如 2024-03-15_采购合同_A公司。
3. Archive Serial Number（档号）： 如果有实体档案编号，在此处填入，如 HT-2024-001。
4. Tags（标签）： 勾选 合同类 和 2024年度。
5. Created Date（文档日期）： 选择文件签署日期。
6. 点击 Save 保存。

自动化整理规则配置

为了提高效率，不应每次手动打标签。利用 Paperless 的 Automation Rules 功能，可根据文件名或内容自动匹配标签。

场景： 所有文件名包含“发票”的文档，自动打上“财务凭证”标签，并归档到对应年份。

操作步骤：

1. 进入 Settings -> Automation rules。
2. 点击 Add new automation rule。
3. Title： 输入 自动识别发票。
4. Match type： 选择 File name contains（文件名包含）。
5. Match value： 输入 发票。
6. Action type 1： 选择 Add tag，Action parameter 1： 选择 财务凭证。
7. 点击 Save。

此后，上传任何文件名带有“发票”字样的文件，系统将自动执行上述规则，无需人工干预。

数据备份与维护

单机版数据安全至关重要。建议编写脚本定期备份数据库和文件数据。

备份命令示例：

 备份数据库
docker-compose exec -T db pg_dump -U paperless paperless > /backup/paperless_db_$(date +%Y%m%d).sql
打包数据文件
tar -czvf /backup/paperless_data_$(date +%Y%m%d).tar.gz /opt/paperless/data /opt/paperless/media /opt/paperless/export

将上述命令加入系统的 crontab 定时任务中，即可实现每日凌晨自动备份。通过以上流程，您已成功搭建了一套具备 OCR 识别、自动分类及标准化归档能力的单机版档案管理系统。