Paperless-ngx: จัดเก็บเอกสารพร้อม OCR ภาษาไทยด้วย Docker

Paperless-ngx คือระบบจัดการเอกสารแบบโอเพนซอร์สที่เปลี่ยนกองกระดาษและไฟล์ PDF ให้ค้นหาได้ ทุกไฟล์ที่สแกนหรืออัปโหลดเข้ามาจะผ่าน OCR ด้วย Tesseract เพื่ออ่านข้อความ แล้วจัดเก็บพร้อมแท็ก ผู้ติดต่อ (Correspondent) และชนิดเอกสาร ระบบเรียนรู้จากการจัดหมวดของคุณและแนะนำหมวดให้เอกสารใหม่อัตโนมัติ เหมาะกับงานบัญชี สัญญา ใบแจ้งหนี้ และเอกสารราชการที่ต้องค้นย้อนหลังบ่อย

เมื่อทำตามคู่มือนี้จบ คุณจะมี Paperless-ngx รุ่น 3 ที่รันด้วย Docker Compose คู่กับ PostgreSQL และ Valkey (ตัวเก็บคิวงานที่ใช้แทน Redis ได้) อ่านภาษาไทยและอังกฤษในเอกสารเดียวกันด้วย tha+eng นำเข้าไฟล์อัตโนมัติจากโฟลเดอร์ consume ใช้งานผ่าน HTTPS และสำรองข้อมูลด้วย document_exporter

สิ่งที่ต้องเตรียม (Paperless-ngx)

• Cloud VPS ที่ใช้ Ubuntu 24.04 พร้อม Docker Engine และ Compose plugin ขนาดเริ่มต้นราว 2 vCPU / RAM 4 GB เพราะ OCR ใช้ CPU สูง เป็นค่าประมาณ ปรับตามจำนวนหน้าที่สแกนต่อวัน
• ดิสก์เผื่ออย่างน้อยสองเท่าของไฟล์ต้นฉบับ เพราะระบบเก็บทั้งต้นฉบับและไฟล์ PDF/A ที่ฝังข้อความ OCR
• ซับโดเมน เช่น docs.example.com และ Nginx Proxy Manager พร้อมเครือข่าย proxy
• เครื่องสแกนที่บันทึกไฟล์ไปยัง SFTP หรือโฟลเดอร์แชร์ได้ (ไม่บังคับ แต่ทำให้นำเข้าอัตโนมัติ)

ขั้นตอนที่ 1: สร้างโฟลเดอร์และค่าลับ

sudo install -d -o $USER /opt/docs
cd /opt/docs
mkdir -p consume export
cat > .env <<EOF
PAPERLESS_DBPASS=$(openssl rand -hex 24)
PAPERLESS_SECRET_KEY=$(openssl rand -hex 48)
EOF
chmod 600 .env
id -u; id -g

PAPERLESS_SECRET_KEY เป็นค่าบังคับ ระบบไม่ยอมเริ่มถ้าไม่ได้ตั้ง และไม่ควรเปลี่ยนภายหลังเพราะ session และ token จะใช้ไม่ได้ จดค่า UID/GID ที่ได้จากสองคำสั่งสุดท้าย (มักเป็น 1000) ไว้ใช้ในขั้นตอนถัดไป

ขั้นตอนที่ 2: เขียน compose.yaml พร้อมตั้ง OCR ภาษาไทย

services:
  broker:
    image: docker.io/valkey/valkey:9-alpine
    restart: unless-stopped
    volumes:
      - ./redisdata:/data

  db:
    image: postgres:17-alpine
    restart: unless-stopped
    environment:
      POSTGRES_DB: paperless
      POSTGRES_USER: paperless
      POSTGRES_PASSWORD: ${PAPERLESS_DBPASS}
    volumes:
      - ./pgdata:/var/lib/postgresql/data

  paperless:
    image: ghcr.io/paperless-ngx/paperless-ngx:latest
    container_name: paperless
    restart: unless-stopped
    depends_on:
      - db
      - broker
    environment:
      PAPERLESS_REDIS: redis://broker:6379
      PAPERLESS_DBENGINE: postgresql
      PAPERLESS_DBHOST: db
      PAPERLESS_DBPASS: ${PAPERLESS_DBPASS}
      PAPERLESS_SECRET_KEY: ${PAPERLESS_SECRET_KEY}
      PAPERLESS_URL: https://docs.example.com
      PAPERLESS_TIME_ZONE: Asia/Bangkok
      PAPERLESS_OCR_LANGUAGES: tha
      PAPERLESS_OCR_LANGUAGE: tha+eng
      USERMAP_UID: 1000
      USERMAP_GID: 1000
    volumes:
      - ./data:/usr/src/paperless/data
      - ./media:/usr/src/paperless/media
      - ./export:/usr/src/paperless/export
      - ./consume:/usr/src/paperless/consume
    networks:
      - default
      - proxy

networks:
  proxy:
    external: true

• PAPERLESS_OCR_LANGUAGES: tha สั่งให้ติดตั้งข้อมูลภาษาไทยของ Tesseract ตอนเริ่มคอนเทนเนอร์ เพราะ image ของ Paperless-ngx มีมาให้เฉพาะอังกฤษ เยอรมัน อิตาลี สเปน และฝรั่งเศส
• PAPERLESS_OCR_LANGUAGE: tha+eng ให้ OCR ใช้ทั้งสองภาษา เหมาะกับเอกสารไทยที่มีชื่อบริษัทหรือตัวเลขภาษาอังกฤษปน แต่จะใช้ CPU มากกว่าภาษาเดียว
• PAPERLESS_URL ต้องตรงกับ URL จริงและไม่มี / ปิดท้าย ไม่เช่นนั้นจะล็อกอินไม่ได้เพราะการตรวจ CSRF
• USERMAP_UID/USERMAP_GID ใช้ค่าจากขั้นตอนที่ 1 เพื่อให้ผู้ใช้บนโฮสต์เขียนไฟล์ลงโฟลเดอร์ consume ได้

docker compose up -d
docker compose logs -f paperless

การเริ่มครั้งแรกจะติดตั้งภาษาไทยและสร้างฐานข้อมูล ใช้เวลาหลายนาที เครื่องต้องออกอินเทอร์เน็ตได้

ขั้นตอนที่ 3: เปิด HTTPS และสร้างผู้ดูแล Paperless-ngx

ใน Nginx Proxy Manager เพิ่ม Proxy Host กรอก Domain Names docs.example.com, Forward Hostname paperless, Forward Port 8000 เปิด Websockets Support เพื่อให้แถบสถานะการนำเข้าอัปเดตแบบเรียลไทม์ เปิด Block Common Exploits และขอใบรับรองพร้อม Force SSL

เปิด https://docs.example.com ครั้งแรก ระบบจะให้สร้างบัญชี superuser ใช้ชื่อและรหัสผ่านที่แข็งแรง บัญชีนี้เข้าถึงเอกสารทุกฉบับ จึงควรสร้างบัญชีทั่วไปสำหรับใช้งานประจำวันที่ Administration → Users & Groups แล้วกำหนดสิทธิ์ตามแผนก