企业官网建设流程全解析

Papermerge 安装教程：Docker 部署从零开始，让扫描件支持全文搜索

【免费下载链接】papermergeOpen Source Document Management System for Digital Archives (Scanned Documents)项目地址: https://gitcode.com/gh_mirrors/pa/papermerge

Papermerge 是面向扫描文档的开源文档管理系统（DMS）：上传后它会自动对 PDF、TIFF 和图片文件做 OCR，把文字建成索引，支持全文搜索。这篇文章是一份 Papermerge 安装教程：从一台干净的机器开始，用 Docker 把整套服务跑起来，改掉默认 OCR 语言，再把一个文件夹的扫描件收进来。

部署完成后的效果是这样的：把一摞扫描 PDF 丢进去，几分钟后在搜索栏输入发票号或公司名的几个字，直接命中文档里的那一页。

部署前先搞懂 4 个容器的分工

看 docker/docker-compose.yml 里的四个角色，后面的排障全围绕它们展开：

• app（容器名 papermerge_app）：Web 服务，浏览器里 8000 端口打开的页面，负责登录、浏览、上传
• worker（papermerge_worker）：真正干 OCR 的后台任务进程，文档识别和索引全靠它；这个容器不跑，文档会一直卡在"待处理"
• redis：两者之间的消息队列，app 提交任务、worker 领取任务
• db（postgres_db）：PostgreSQL 数据库，存文档索引、文件夹和标签结构

机器建议 4GB 内存（OCR 比较吃资源）、预留 20GB 左右存储。compose 文件直接引用官方现成镜像eugenci/papermerge:2.0.0和eugenci/papermerge-worker:v2.0.0，不用自己构建；docker/ 下的两个 Dockerfile 只给想从源码构建的人看。

用仓库里的 compose 文件启动

先拉取代码并进入部署目录：

git clone https://gitcode.com/gh_mirrors/pa/papermerge cd papermerge/docker

仓库里数据库密码默认是dbpass，写在 db、app、worker 三个服务的环境变量里。临时试用可以不改；要长期用，就同时把这三处改成同一个强密码。

然后启动：

docker-compose up -d

这条命令会拉取 4 个镜像、创建容器和命名卷，在后台运行。过一两分钟后执行docker-compose ps，看到 4 个容器都是 Up 状态就说明启动完成了。

这里有个容易多此一举的细节：app 容器启动时会自动做数据库迁移并创建默认管理员账号，见 docker/app.startup.sh——它跑完migrate后执行 docker/scripts/create_user.py 创建admin用户。所以你不需要再手动执行 migrate 或 createsuperuser。

容器启动后先做的 3 件事

浏览器打开http://localhost:8000，接下来依次处理登录、OCR 语言和一个状态检查。

用 admin / admin 登录并改密码。默认账号由启动脚本创建，密码也是 admin，首次登录后必须改掉。万一以后忘了，可以用命令重置：

docker exec papermerge_app python3 manage.py changepassword admin

改 OCR 语言，这是最容易踩的坑。官方配置默认 OCR 语言是德语（docker/config/papermerge.config.py 里OCR_DEFAULT_LANGUAGE = "deu"），中文或英文文档识别出来不是空就是乱码。容器里的配置文件在/opt/etc/papermerge.conf.py，启动脚本只在文件不存在时才从默认值复制，所以可以直接编辑：

docker exec papermerge_app vi /opt/etc/papermerge.conf.py

改两处：

OCR_DEFAULT_LANGUAGE = "eng" OCR_LANGUAGES = { "eng": "English", "deu": "Deutsch", }

语言码是 ISO 639 三字母码，eng表示英语。改之前先确认容器里实际装了哪些语言包，只有列表里有的才可用：

docker exec papermerge_app tesseract --list-langs

改完执行docker-compose restart app worker让配置生效。不想容器重建后配置丢失的话，在 compose 的 app 服务 volumes 里把本地配置文件挂载到/opt/etc/papermerge.conf.py即可。

确认 worker 在跑。docker-compose ps里 worker 应为 Up，docker-compose logs worker无报错——它才是后面替你干活的角色。

把一个文件夹的扫描件收进来

网页上传最直接：登录后把 PDF 或图片拖进页面，上传的文档默认落在"Inbox"文件夹。

导入目录适合批量：在/opt/etc/papermerge.conf.py里设置IMPORTER_DIR（默认不设置，即关闭此功能），指向容器内一个目录，同时在 compose 的 worker 服务里把宿主机的扫描目录挂载到同一路径。文件拷贝进去、稳定 1 秒后（FILES_MIN_UNMODIFIED_DURATION默认 1 秒）就会被 worker 自动收进去 OCR 建索引；Linux 上走 inotify 监听，不轮询。扫描器输出到网络目录的场景走这条路最省事。

邮箱附件：在配置文件填 IMAP 账号（IMPORT_MAIL_HOST等，默认不设置即关闭），Papermerge 会定期从指定邮箱拉附件入库。完整配置项说明见 papermerge.conf.py.example。

上传后可以在文档详情页看 worker 的处理进度。想快速验证效果，可以先拿仓库自带的示例 PDF 试试，位置在 example_data/，里面是按语言分好的多页文档。

文档归位：文件夹、标签与搜索

落到 Inbox 的文档要归位，靠两个维度：文件夹按年份、按类型（发票、合同、报告）建多级目录，把文档拖进去；标签给文档或文件夹打颜色标记，适合"待处理""已归档"这类横向状态。

量上来以后主要靠全文搜索：输入几个字，命中的是 OCR 提取的文档内文字，这是它和普通网盘的本质区别。example_data 里的示例文档都是多页的，适合顺手试一次跨页搜索。

出问题时按 现象 → 原因 → 处理 自查

备份要带走两样：文档原文件和 OCR 结果在media_root卷，数据库在postgres_data7卷。

docker exec postgres_db pg_dump -U dbuser dbname > db_backup.sql

这条把整个数据库导出成一个 SQL 文件。

docker run --rm --volumes-from papermerge_app -v "$PWD/backup":/out alpine tar czf /out/media.tar.gz -C /opt/media .

这条把 app 容器里的 media 目录打包，输出到宿主机当前目录的backup/下。恢复时反过来挂回去、导入 SQL 即可。

现在就打开网页界面，在 Inbox 里拖进第一份你手头的真实扫描件，等 OCR 完成后用它内容里的一个词搜一下——搜到了，这套系统就算真正跑起来了。

【免费下载链接】papermergeOpen Source Document Management System for Digital Archives (Scanned Documents)项目地址: https://gitcode.com/gh_mirrors/pa/papermerge