简体中文
EnglishPaperwork 是什么?它如何用扫描仪和 OCR 把 PDF 整理成可搜索的个人文档库?
更新时间
Paperwork 是一个开源的个人文档管理器（PDM），核心流程是“扫描—OCR—归档—搜索”：把纸质文件扫描进来，或导入已有 PDF，通过 OCR 转成可全文搜索的文档，再用彩色标签自动分类，全部文件集中存放在一个目录里，便于备份和同步。它适合希望自己掌控文档数据、愿意在 Linux 或 Windows 上配置扫描仪的个人用户；如果你只需要偶尔看几个 PDF、不打算建立长期文档库，它的扫描与分类流程就显得偏重。
它解决什么问题
Paperwork 的定位是“扫描即可忘记”：你不需要手动给每份文件起名、建文件夹、贴标签，扫描完成后系统会做 OCR，让文档内容变成可搜索文本。之后要找某份材料，输入几个关键词即可，搜索范围覆盖整个 PDF 文件的内容，而不只是文件名。
这与普通文件夹加 PDF 阅读器的区别在于：后者只能靠文件名和目录结构找东西，前者把“文件里写了什么”变成检索入口。
核心机制
扫描与 OCR
Paperwork 通过扫描仪接口获取纸质文件图像，再对图像做 OCR，生成可搜索的文本层。资料中提到的相关技术包括 WIA（Windows 图像采集接口）和 OCR，说明它在 Windows 上可借助系统扫描接口连接扫描仪。扫描结果以 JPEG 图像、hOCR（带版面信息的 OCR 结果）和 PDF 等形式保存。
需要注意：OCR 的识别质量取决于扫描清晰度和文档版式，手写内容、复杂表格的识别效果通常不如印刷体正文。
彩色标签与自动分类
你可以给文档添加彩色标签来保持整齐。Paperwork 会随着使用逐渐学习“哪个标签对应哪类文档”，并把学到的规则自动应用到新扫描的文档上。这意味着前期需要你手动标注一批文档作为“训练样本”，之后新文档才会被自动归类；标注越一致，自动分类越可靠。
单一目录存储与通用格式
所有内容存放在一个目录下，备份时只需复制这个目录；该目录也可以用 Nextcloud、Syncthing、SparkleShare、共享文件夹等工具在多台电脑间同步。文件格式采用 JPEG、hOCR、PDF 这类通用标准，因此即使以后不再使用 Paperwork，文档本身仍能被其他软件打开，不会被锁定在专有格式里。
其他功能
资料还提到自动页面方向检测、快速页面编辑等能力，适合处理扫描时放反、页面顺序需要调整的情况。
平台与许可
- 平台：资料明确提到 Linux 和 Windows。
- 许可：以自由软件（开源）形式发布，强调用户对自己的数据保持控制。
- 价格：资料未提及具体价格或付费方式，不能据此推断为免费或无需登录，使用前请以官方发布信息为准。
上手路径
- 确认扫描仪可用：在系统层面先确认扫描仪能被识别并正常出图。Windows 上依赖 WIA，Linux 上需确认扫描仪驱动与扫描工具可用；这是最常见的卡点，扫描仪不被系统识别时 Paperwork 也无法工作。
- 扫描或导入文档：把纸质文件逐页扫描进 Paperwork，或导入已有的 PDF 文件。
- 等待 OCR 完成：扫描后系统生成可搜索文本层，文档内容从此可被关键词检索。
- 建立标签规则：给首批文档打上彩色标签，持续使用后系统会把标签自动应用到新文档。
- 用关键词检索：需要某份材料时直接输入关键词，搜索覆盖 PDF 全文内容。
- 备份与同步：复制那一个存储目录即可完成备份，或用同步工具在多台机器间保持一致。
适合与不适合
| 情况 | 是否适合 |
|---|---|
| 有大量纸质材料需要长期归档、反复查找 | 适合 |
| 重视数据自主、希望用通用格式保存 | 适合 |
| 需要在多台电脑间同步文档库 | 适合，配合同步工具即可 |
| 只有少量 PDF、偶尔翻阅 | 不太必要，普通阅读器足够 |
| 扫描仪在系统层面无法识别 | 先解决驱动问题，否则流程无法开始 |
| 文档以手写、复杂版式为主 | 需对 OCR 效果有合理预期 |
一句话判断：如果你打算建立一个可搜索、可自动分类、可自行备份的个人文档库，并且手头扫描仪能在 Linux 或 Windows 上正常工作，Paperwork 值得一试；如果只是零散查看 PDF，或扫描硬件条件不具备，就不必引入这套流程。