企业官网建设流程全解析

有没有个人做试卷网站的,专业网站制作技术,南通建设网站公司,国家企业信用信息查询官网Docker 环境下 Paperless-ngx 中文增强版部署实战本文基于本人真实生产环境反复踩坑与验证#xff0c;整理出一套可以直接部署、稳定运行、完整支持 Word#xff08;doc/docx#xff09; 中文 OCR#xff08;宋体 / 楷体等#xff09; 的 Paperless-ngx Docker Compose 方…Docker 环境下 Paperless-ngx 中文增强版部署实战本文基于本人真实生产环境反复踩坑与验证整理出一套可以直接部署、稳定运行、完整支持 Worddoc/docx 中文 OCR宋体 / 楷体等的 Paperless-ngx Docker Compose 方案。如果你遇到过以下问题Worddocx上传直接报不支持文件类型中文 OCR 提示chi_sim is not installedError while converting document to PDF: Connection refusedDocker 网络、权限、用户映射导致容器反复自杀那么这篇文章就是为你写的。一、整体架构设计说明本方案并不是简单拉一个 paperless-ngx 官方镜像而是构建了一个完整、稳定、可维护的文档处理流水线┌──────────────┐ │ Browser │ └──────┬───────┘ │ ┌──────▼───────────┐ │ paperless-ngx │ │ (主服务) │ └───┬─────────┬────┘ │ │ ┌───▼───┐ ┌───▼──────┐ │ Redis │ │PostgreSQL│ └───────┘ └──────────┘ │ ┌───▼────────────┐ │ Apache Tika │ → 文档解析doc/docx └───┬────────────┘ │ ┌───▼────────────┐ │ Gotenberg │ → Word → PDFLibreOffice └────────────────┘为什么一定要Tika Gotenberg这是Paperless 官方推荐、也是线上环境唯一稳定方案。Tika识别 Word / Excel / 文本内容Gotenberg负责 LibreOffice 转 PDFPaperless 本体只做编排与 OCR少任何一个Word 支持都会不完整。二、核心问题与解决思路重点1️⃣ Worddocx无法上传的根因并不是文件类型没加LibreOffice 没装而是❌Word → PDF 转换服务不可达网络 / 依赖服务未就绪最终表现为Error while converting document to PDF: [Errno 111] Connection refused2️⃣ 中文 OCR 报错的真正原因The selected ocr language chi_sim is not installed不是 Paperless 配置问题而是❌ 官方镜像默认不包含中文 OCR 语言包所以必须自定义 Dockerfile。三、自定义 Dockerfile中文 OCR 核心FROM ghcr.io/paperless-ngx/paperless-ngx:latest USER root # 安装中文 OCR 语言包 RUN apt-get update \ apt-get install -y --no-install-recommends \ tesseract-ocr-chi-sim \ tesseract-ocr-chi-tra \ apt-get clean \ rm -rf /var/lib/apt/lists/* USER paperless说明chi_sim简体中文宋体、黑体等chi_tra繁体中文不切回paperless用户容器会直接启动失败四、docker-compose.yml 完整方案解析1️⃣ 数据库 RedisPostgreSQL 15稳定、性能好Redis 7任务队列全部启用 healthcheck避免 Paperless 抢跑2️⃣ Paperless-ngx 主服务关键点depends_on:db:condition:service_healthybroker:condition:service_healthygotenberg:condition:service_healthytika:condition:service_healthy这是解决Connection refused的核心配置。Paperless 一定要在TikaGotenbergRedisPostgreSQL全部健康之后再启动。在这里插入代码片3️⃣ Word / OCR 相关核心环境变量PAPERLESS_TIKA_ENABLED:1PAPERLESS_TIKA_ENDPOINT:http://tika:9998PAPERLESS_TIKA_GOTENBERG_ENDPOINT:http://gotenberg:3000PAPERLESS_OCR_LANGUAGE:chi_simengPAPERLESS_OCR_MODE:skip含义说明skip已有文本层不重复 OCR效率 质量中文 Word → PDF → OCR完整链路4️⃣ UID / GID踩坑最多的一点PAPERLESS_UID:1000PAPERLESS_GID:1000⚠️千万不要用 root0:0否则你会看到usermod: user paperless is currently used by process 1 fatal: stopping the container5️⃣ 完成文件services:# Redis 消息队列服务 broker:image:redis:7# 使用 Redis 7 版本作为消息代理container_name:paperless-redis# 容器名称restart:unless-stopped# 容器退出时自动重启除非手动停止command:redis-server--maxmemory 512mb--maxmemory-policy allkeys-lru# 限制内存512MBLRU淘汰策略networks:-paperless-network# 连接到自定义网络healthcheck:# 健康检查配置test:[CMD,redis-cli,ping]# 使用 redis-cli ping 命令检查服务状态interval:30s# 每30秒检查一次timeout:3s# 超时时间3秒retries:3# 失败3次后标记为不健康start_period:10s# 容器启动后10秒开始健康检查# PostgreSQL 数据库服务 db:image:postgres:15# 使用 PostgreSQL 15 版本container_name:paperless-db# 容器名称restart:unless-stopped# 容器退出时自动重启除非手动停止environment:POSTGRES_DB:paperless# 数据库名称POSTGRES_USER:paperless# 数据库用户名POSTGRES_PASSWORD:paperless# 数据库密码volumes:-./data/postgres:/var/lib/postgresql/data# 数据库数据持久化目录映射networks:-paperless-network# 连接到自定义网络healthcheck:# 健康检查配置test:[CMD-SHELL,pg_isready -U paperless -d paperless]# 检查数据库是否就绪interval:30s# 每30秒检查一次timeout:5s# 超时时间5秒retries:3# 失败3次后标记为不健康start_period:30s# 容器启动后30秒开始健康检查数据库启动较慢# Paperless-ngx 主服务 webserver:# image: ghcr.io/paperless-ngx/paperless-ngx:latest # 官方镜像已注释build:context:.# 构建上下文为当前目录dockerfile:Dockerfile# 使用自定义 Dockerfile 构建image:paperless-ngx-zh:latest# 自定义镜像名称支持中文container_name:paperless-web# 容器名称restart:unless-stopped# 容器退出时自动重启除非手动停止depends_on:# 依赖服务这些服务会优先启动db:condition:service_healthy# 等待数据库健康检查通过broker:condition:service_healthy# 等待 Redis 健康检查通过gotenberg:condition:service_healthy# 等待 Gotenberg 健康检查通过tika:condition:service_healthy# 等待 Tika 健康检查通过ports:-8000:8000# 端口映射宿主机8000端口 - 容器8000端口environment:# ----- 数据库连接配置 -----PAPERLESS_REDIS:redis://broker:6379# Redis 连接地址PAPERLESS_DBENGINE:postgresql# 数据库引擎类型PAPERLESS_DBHOST:db# 数据库主机地址容器名PAPERLESS_DBNAME:paperless# 数据库名称PAPERLESS_DBUSER:paperless# 数据库用户名PAPERLESS_DBPASS:paperless# 数据库密码# 文档处理核心配置 PAPERLESS_TIKA_ENABLED:1# 启用 Tika 文档解析服务支持更多文档格式PAPERLESS_TIKA_GOTENBERG_ENDPOINT:http://gotenberg:3000# Gotenberg PDF 转换服务地址PAPERLESS_TIKA_ENDPOINT:http://tika:9998# Tika 文档解析服务地址# ----- OCR 光学字符识别配置 -----# OCR中文建议开启PAPERLESS_OCR_LANGUAGE:chi_simeng# OCR 识别语言简体中文英文PAPERLESS_OCR_MODE:skip# OCR 模式跳过已有文本层的文档避免重复识别# ----- 系统性能与安全配置 -----# 安全 性能PAPERLESS_TASK_WORKERS:2# 任务处理工作进程数量PAPERLESS_THREADS_PER_WORKER:2# 每个工作进程的线程数PAPERLESS_TIME_ZONE:Asia/Shanghai# 系统时区设置为上海时区# ----- 任务调度优化配置 -----PAPERLESS_TRAIN_TASK_CRON:5 */1 * * *# 每小时第5分钟自动训练分类器提高自动分类准确度PAPERLESS_INDEX_TASK_CRON:15 0 * * *# 每天午夜00:15进行索引优化提高搜索速度PAPERLESS_SANITY_TASK_CRON:30 0 * * 0# 每周日午夜00:30进行完整性检查检查文档一致性# ----- 文件权限配置 -----# 宿主机用户和分组PAPERLESS_UID:1000# 容器内文件所有者的用户ID对应宿主机用户PAPERLESS_GID:1000# 容器内文件所有者的组ID对应宿主机用户组volumes:# 数据卷映射持久化存储-./data/data:/usr/src/paperless/data# 应用数据目录索引、缓存等-./data/media:/usr/src/paperless/media# 文档存储目录原始文件和归档文件-./data/export:/usr/src/paperless/export# 导出目录用于导出文档-./data/consume:/usr/src/paperless/consume# 消费目录监控此目录自动导入文档networks:-paperless-network# 连接到自定义网络healthcheck:# 健康检查配置test:[CMD,curl,-f,http://localhost:8000]# 检查 Web 服务是否响应interval:30s# 每30秒检查一次timeout:10s# 超时时间10秒retries:3# 失败3次后标记为不健康start_period:60s# 容器启动后60秒开始健康检查应用启动较慢# Gotenberg PDF 转换服务 gotenberg:image:gotenberg/gotenberg:8# 使用 Gotenberg 8 版本container_name:paperless-gotenberg# 容器名称restart:unless-stopped# 容器退出时自动重启除非手动停止command:# 容器启动命令参数-gotenberg# 主程序---chromium-disable-javascripttrue# 禁用 Chromium 的 JavaScript提高安全性和性能---libreoffice-start-timeout60s# LibreOffice 启动超时时间设置为60秒---api-timeout300s# API 请求超时时间300秒environment:DISABLE_GOOGLE_CHROME:1# 禁用 Google Chrome使用 Chromium 代替networks:-paperless-network# 连接到自定义网络healthcheck:# 健康检查配置test:[CMD,curl,-f,http://localhost:3000/health]# 检查 Gotenberg 健康状态interval:30s# 每30秒检查一次timeout:10s# 超时时间10秒retries:3# 失败3次后标记为不健康start_period:40s# 容器启动后40秒开始健康检查LibreOffice 启动较慢# Apache Tika 文档解析服务 tika:image:apache/tika:latest# 使用 Apache Tika 最新版本container_name:paperless-tika# 容器名称restart:unless-stopped# 容器退出时自动重启除非手动停止networks:-paperless-network# 连接到自定义网络healthcheck:# 健康检查配置 - 简化为 TCP 端口检查test:[CMD-SHELL,timeout 5 bash -c /dev/tcp/localhost/9998 || exit 1]# 检查 9998 端口是否可访问interval:30s# 每30秒检查一次timeout:10s# 超时时间10秒retries:5# 失败5次后标记为不健康增加容错start_period:60s# 容器启动后60秒开始健康检查Tika 启动较慢# 网络配置 networks:paperless-network:# 自定义网络名称driver:bridge# 使用桥接网络驱动name:paperless-net# 网络显示名称ipam:# IP 地址管理配置driver:default# 使用默认 IPAM 驱动config:-subnet:172.28.0.0/16# 子网地址范围gateway:172.28.0.1# 网关地址五、网络配置解决 Network unreachablenetworks:paperless-network:driver:bridgename:paperless-netipam:config:-subnet:172.28.0.0/16gateway:172.28.0.1为什么要显式指定网络避免 CentOS / iptables 残留规则冲突避免 Docker 默认网络创建失败彻底解决[Errno 101] Network is unreachable六、部署步骤可直接执行# 1. 构建镜像dockercompose build# 2. 启动服务dockercompose up -d# 3. 查看状态dockercomposeps访问http://服务器IP:8000七、最终效果验证✔ 支持 doc / docx 上传✔ 支持宋体 / 楷体 / 黑体中文 OCR✔ 中文全文搜索✔ 自动分类训练✔ 稳定运行无随机失败八、总结踩坑后的结论Paperless-ngx 想稳定支持中文 Word不是装个 LibreOffice 就完事。真正关键的是Tika Gotenberg 服务完整正确的启动顺序healthcheck中文 OCR 语言包非 root 用户运行稳定的 Docker 网络这套方案已经在CentOS 7 / Windows Docker / 生产环境全部验证通过。可以放心直接用。