Paperless-ngx — открытый архив документов с OCR и машинным обучением

· 4 мин чтения
self-hosted ocr document-management machine-learning open-source
📂 Исходный код на GitHub

Открытая система управления документами: сканирование, индексация и архивация документов с распознаванием текста через OCR.

Paperless-ngx — открытый архив документов с OCR и машинным обучением

Paperless-ngx — открытая система управления документами. Описание на GitHub звучит так: «сканируйте, индексируйте и архивируйте все свои документы». Суть простая: стопки бумаг превращаются в онлайн-архив, в котором можно искать по содержимому. Название проекта прямо намекает на цель — хранить меньше бумаги (less paper).

Подобные системы нужны там, где документы в бумаге обязательны: налоги, счета, договоры, справки. Папка с PDF эту задачу решает плохо — файлы не ищутся и не сортируются сами. Paperless-ngx закрывает именно этот разрыв: скан заходит в систему, а дальше с ним работают инструменты проекта.

Репозиторий собирает почти 48 тысяч звёзд и 3,4 тысячи форков. Проект распространяется по лицензии GPL-3.0. Полная документация живёт на отдельном сайте docs.paperless-ngx.com — там же есть скриншоты и подробный список возможностей.

История проекта

У Paperless-ngx долгая родословная. Всё началось с проекта Paperless. Затем появился Paperless-ng — переработанная версия. Paperless-ngx — официальный преемник обоих проектов.

Ключевое отличие — модель поддержки. Оригинальные проекты держались на энтузиазме одного автора. Paperless-ngx сознательно распределяет ответственность между командой людей. Работа делится на направления: фронтенд, CI/CD и другие. Если один человек устанет, развитие не остановится. Авторы открыто приглашают желающих присоединиться — постоянных контрибьюторов ищут прямо в README.

Технологии

Стек проекта читается по меткам репозитория:

  • Python и Django — серверная часть;
  • Angular — веб-интерфейс;
  • OCR (оптическое распознавание символов) — технология, которая достаёт текст из сканов и картинок;
  • machine-learning и llm — машинное обучение и языковые модели;
  • PDF — основной формат документов.

Подробного описания алгоритмов в README нет — авторы вынесли его в документацию. Но набор меток показывает позицию проекта: это не хранилище файлов, а система, которая сама обрабатывает содержимое загруженных документов и делает его доступным для поиска.

Установка и запуск

Самый простой способ развернуть систему — docker compose, инструмент для запуска набора контейнеров одной командой. Файлы для запуска лежат в каталоге docker/compose. Они сразу настроены на скачивание готового образа из GitHub Container Registry, собирать образ самостоятельно не нужно. Такой подход снимает большую часть ручной настройки: окружение описывается конфигурацией, а не длинной цепочкой шагов в терминале.

Для быстрого старта есть установочный скрипт. Одна команда собирает окружение docker compose автоматически:

bash -c "$(curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh)"

Альтернативные способы установки с пошаговыми инструкциями описаны в разделе setup документации.

Попробовать без установки

У проекта есть демо-сайт, логин demo и пароль demo. Демо размещает компания Fyra Stack. Два предупреждения от авторов: содержимое демо регулярно сбрасывается, а конфиденциальные документы загружать туда нельзя. Зато формат удобен для оценки: можно пощёлкать интерфейс и понять, подходит ли система, до полноценного развёртывания.

Переезд с Paperless-ng

Если у вас уже стоит Paperless-ng, миграция сводится к одному действию: достаточно подставить новый docker-образ. Подробности — в разделе о миграции в документации.

Безопасность: читайте перед запуском

Это самый важный раздел README, авторы оформили его отдельным предупреждением.

Документы, которые обычно проходят через сканер, чувствительные: номера страховых свидетельств, налоговые записи, счета. Paperless-ngx хранит их в открытом виде, без шифрования.

Из этого следуют прямые правила:

  • никогда не запускайте систему на недоверенном хосте;
  • самый безопасный сценарий — локальный сервер у вас дома плюс настроенные резервные копии.

Гарантий безопасности авторы не дают, хотя и стараются. Всё, что вы загружаете в систему, — на ваш риск. Иными словами, защита окружения ложится на владельца: хост, диски и резервные копии нужно защищать своими силами.

Сообщество

Проект живёт на поддержке сообщества и активно зовёт людей. Чем можно помочь:

  • исправлять баги, улучшать интерфейс, закрывать мелкие недочёты — такие вклады приветствуются всегда;
  • предлагать крупные изменения — но сначала обсудить их с командой;
  • задавать вопросы — через discussions на GitHub;
  • сообщать о багах — через issues;
  • общаться в реальном времени — в Matrix-комнате проекта, Matrix это мессенджер с открытым протоколом.

Базовая информация для разработчиков собрана в разделе development документации. Такой формат работы удерживает проект живым: вопросы решаются публично, и ответы остаются в архиве для всех, кто столкнётся с той же проблемой.

Запросы новых возможностей

Идеи новых фич оформляются через GitHub Discussions в отдельной категории feature requests. Механика такая: сначала ищете похожую идею, затем добавляете свою или голосуете за чужую. Голоса показывают команде, какие возможности нужны людям в первую очередь.

Переводы

Интерфейс переведён на множество языков. Переводами управляет платформа Crowdin — там можно добавить свой язык или улучшить существующий перевод. Правила описаны в файле CONTRIBUTING.md репозитория.

Смежные проекты

Вокруг Paperless-ngx выросла экосистема. Список совместимого софта — сканеры, мобильные приложения, интеграции — сообщество ведёт в вики проекта, страница называется Related Projects.

Что в итоге

Paperless-ngx — зрелый проект с ясной специализацией: превратить бумажный хаос в доступный для поиска архив на вашем собственном сервере. Из README ясно, чего ждать: развёртывание через docker compose за несколько минут, демо для проб без установки, командная модель разработки и живое сообщество. И честное предупреждение о границах: данные хранятся без шифрования, поэтому доверенный хост и резервные копии не опция, а обязательное условие. Для разработчика это ещё и образец открытого проекта: аккуратный README, понятные пути для вклада — от перевода интерфейса до команды CI/CD.

Источник: https://github.com/paperless-ngx/paperless-ngx