Paperwork 如何用扫描仪把纸质文件变成可搜索、可自动分类的文档库?

Paperwork 是一款开源的个人文档管理器（PDM），核心思路是“扫描即可忘记”：用扫描仪把纸质文件变成 PDF 后，它会通过 OCR 让全文可搜索，并用彩色标签配合自动学习完成分类归档。它适合希望把纸质资料集中管理、又不想被专有格式锁定的个人用户，运行环境覆盖 Linux 和 Windows（Windows 下通过 WIA 调用扫描仪）。

从纸到可搜索 PDF：扫描与 OCR 的衔接

Paperwork 本身不替代扫描仪驱动，而是承接扫描结果。典型流程是：

1. 准备扫描仪：在 Linux 上确认扫描仪可被系统识别，在 Windows 上确认 WIA 驱动可用。
2. 扫描成图像：用扫描仪或系统自带扫描工具把每页纸扫成图像文件（JPEG 是 Paperwork 使用的通用格式之一）。
3. 导入 Paperwork：把扫描结果交给 Paperwork 处理，它会执行 OCR，生成带文字层的 PDF 和 hOCR 数据。
4. 验证：在 Paperwork 中搜索文档里的某个词，若能命中，说明 OCR 已生效。

预期结果是：每份文档既是可翻阅的 PDF，又是可全文检索的条目。需要说明的是，OCR 识别质量取决于扫描清晰度和文字排版，模糊或手写内容可能识别不准，这是所有 OCR 方案的共同限制。

分类靠标签，而不是文件夹层级

Paperwork 的整理逻辑是“彩色标签 + 自动学习”：

• 你给文档打上彩色标签，标签承担分类职能。
• 随着使用，Paperwork 会学习“哪个标签通常出现在哪类文档上”，并自动把标签应用到新导入的文档。
• 因此前期需要一定的人工标注，之后自动化程度才逐步提高。它不是开箱即用的全自动分类器，而是越用越省事的工具。

例如需要整理一年的水电账单：先给几份账单打上“账单”标签，后续导入同类文档时，系统会倾向于自动加上该标签，你只需抽查纠正。

集中存储与通用格式：备份和迁移更省心

Paperwork 把所有内容存放在一个目录下，这带来两个直接好处：

• 备份简单：备份这个目录即可，不需要导出数据库。
• 多机同步：该目录可用 Nextcloud、Syncthing、SparkleShare、共享文件夹等工具在多台电脑间同步。

格式上，Paperwork 只使用 JPEG、hOCR、PDF 这类通用标准，文档不会被锁在专有数据库里，即使不再使用 Paperwork，文件本身仍可正常打开。这是选择它而非封闭式文档管理软件的重要理由。

其他实用功能与适用判断

资料还提到自动页面方向检测和快速页面编辑：扫描时放反的页面可被自动纠正方向，页面顺序或裁剪问题也能在软件内快速调整，减少重新扫描的次数。

适合选择 Paperwork 的情况：

• 你已有可用扫描仪，且主要在 Linux 或 Windows 上工作；
• 你重视文件格式开放、备份和同步自由；
• 你愿意在初期投入少量标注，换取后续自动分类。

不太适合的情况：需要多人协作审批、复杂权限管理，或完全不想做任何人工标注的场景。

Paperwork 以自由软件形式发布，源代码公开，欢迎贡献。至于具体安装包、系统要求和版本信息，建议以 OpenPaperwork 官网的 Scanner database 与代码仓库页面为准，那里能核对当前支持的扫描仪与平台细节。