从零搭建可自动提取元数据的轻量化档案管理系统实操指南

一、前置环境准备

所需硬件最低配置：1核2G服务器/本地主机，剩余硬盘空间≥20G。需提前安装Docker和Docker Compose，对应操作系统安装命令如下：

1. Ubuntu/Debian 系安装命令

直接执行以下命令完成安装：

```bash sudo apt update && sudo apt install -y docker.io docker-compose-plugin sudo systemctl enable --now docker ```

2. CentOS/RockyLinux 系安装命令

```bash sudo dnf install -y docker docker-compose sudo systemctl enable --now docker ```

3. 安装验证

执行以下命令，返回版本号即表示安装成功：

```bash docker -v && docker compose version ```

二、部署档案系统核心服务

本次采用开源的Paperless-ngx作为核心服务，原生支持文档元数据自动提取、OCR识别、标签自动分类功能，无需二次开发即可落地。

1. 初始化项目目录

执行以下命令创建工作目录并进入：

```bash mkdir -p /opt/paperless && cd /opt/paperless ```

2. 编写配置文件

在当前目录新建docker-compose.yml文件，粘贴以下完整配置（可直接复制使用，无需修改）：

```yaml version: "3.8" services: broker: image: redis:7.0-alpine restart: always volumes: - ./redisdata:/data webserver: image: paperlessngx/paperless-ngx:latest restart: always depends_on: - broker ports: - "8000:8000" volumes: - ./data:/usr/src/paperless/data - ./media:/usr/src/paperless/media - ./export:/usr/src/paperless/export - ./consume:/usr/src/paperless/consume environment: - PAPERLESS_REDIS=redis://broker:6379 - PAPERLESS_ADMIN_USER=admin - PAPERLESS_ADMIN_PASSWORD=Admin@123 - PAPERLESS_OCR_LANGUAGE=chi_sim+eng - PAPERLESS_TIME_ZONE=Asia/Shanghai - PAPERLESS_MAX_UPLOAD_SIZE=100M ```

3. 启动服务

执行以下命令启动服务，首次启动会自动拉取镜像，等待1-2分钟即可完成：

```bash docker compose up -d ```

启动完成后，在浏览器访问http://你的服务器IP:8000 即可进入系统，默认账号为admin，密码为Admin@123，登录后可自行修改密码。

三、配置元数据自动提取规则

本步骤为核心配置，完成后上传档案即可自动提取所需元数据，无需手动录入。

1. 开启基础元数据提取开关

登录系统后，点击右上角【管理】-【设置】-【元数据】，依次勾选“自动提取文档内置元数据”“从文件名提取元数据”“从内容匹配自动生成标签”三个选项，点击底部保存按钮。

2. 配置自定义元数据字段

先点击【管理】-【自定义字段】，依次添加3个自定义字段：档案编号（文本类型）、所属部门（文本类型）、归档日期（日期类型），保存后返回元数据设置页。

3. 配置文件名元数据提取规则

在元数据设置页的「文件名提取模板」框中，粘贴以下正则规则（适配【档案编号-所属部门-归档日期-档案名称】的文件名规范，比如202401-行政部-20240520-采购合同.pdf）：

``` ^(?P\d{6})-(?P\w{2,10})-(?P\d{8})-(?P