paperless-ngx

扫描件自动 OCR、打标签、按规则归档：家里那堆合同发票，从此能搜能查不会丢

项目速览

项目 内容
仓库 paperless-ngx/paperless-ngx
语言 Python / TypeScript
协议 GPL-3.0
星标 约 4.5 万（2026 年口径）
部署 Docker Compose 自托管

它想解决什么问题

发票、合同、保单、体检报告——这些文件的价值在于”以后要找得到”，但现实中它们散在邮箱附件、手机相册、抽屉里的纸质件中，找一次要翻半小时。

paperless-ngx 的目标是把它们统一成一份可全文检索的档案库：扫描或投递进去，自动 OCR、自动按规则分类、自动打标签。

核心机制拆解

1. OCR 与全文索引。 图片与 PDF 自动识别文字并入库，搜索能命中扫描件里的内容，而不只是文件名。

2. 消费目录 + 自动规则。 文件丢进指定目录即被摄入；可按文件名、内容、来源配置匹配规则，自动打标签、定类型、设保管期限。

3. 双面归档。 原始文件与处理后版本都保留，随时可下载原件，不会”为了识别而破坏证据”。

4. 邮件与移动端投递。 支持从邮箱拉取附件、通过移动端上传，减少手工搬运。

安装与上手

1
2
3
git clone https://github.com/paperless-ngx/paperless-ngx.git
cd paperless-ngx/docker/compose
docker compose up -d

打开 Web 界面创建管理员，设好 consume 目录，先扔十份文件试试规则匹配得准不准。

点评

亮点是”归档”这件事被做完整了：OCR、规则、标签、原件保留、检索，每一环都对着真实痛点。自托管意味着合同与证件不出自己的机器，这在隐私上无可替代。

局限：GPL-3.0 对商用分发有约束；OCR 对手写、低质量扫描、复杂表格效果有限，重要文件仍要人工校对；规则引擎灵活但需要时间调，前期录入成本高；备份要自己设计（数据库 + 媒体目录 + 配置），丢一份就前功尽弃。

适合人群：文件多的自由职业者与小公司；有记账、报税、合同管理需求的家庭；以及自建 NAS 的 Homelab 玩家。