openpaper.work

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。

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

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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

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。

Paperwork 是一款面向个人文档管理的开源软件，核心用途是把纸质文件扫描成可全文搜索的 PDF，并用标签自动整理。它适合希望自己掌控文档数据、不想依赖云端笔记服务的 Linux 或 Windows 用户；前提是你有一台可被系统调用的扫描仪。它的工作方式可以概括为“扫描后即可忘记”：扫描完成后由软件做 OCR，之后靠关键词找回文件。

它解决什么问题

个人纸质文件（合同、发票、说明书、证件复印件）的常见困境是：存成图片后无法搜索，文件夹越分越乱，换电脑或换软件后数据难以迁移。Paperwork 针对这三点分别给出做法：

• 可搜索：扫描件经 OCR 处理后，可以按关键词检索，官方说明支持搜索整个 PDF 文件内容。
• 自动整理：给文档贴彩色标签，软件会逐渐学习哪个标签该用在哪些文档上，并对新文档自动应用。
• 数据可控：所有内容存放在一个目录下，格式为 JPEG、hOCR、PDF 等通用标准，不把用户锁在专有格式里。

核心流程：从扫描到可搜索 PDF

前提条件

• 一台 Linux 或 Windows 电脑，以及系统能识别的扫描仪。Linux 下通常通过 SANE 访问扫描仪，Windows 下涉及 WIA，这是官方关键词中列出的扫描相关组件。
• 足够的磁盘空间：每页扫描件都会保留图像和 OCR 结果。

操作步骤

1. 连接并确认扫描仪可用：先在系统自带的扫描工具中测试能否出图，排除驱动问题。
2. 在 Paperwork 中发起扫描：选择扫描来源，设置分辨率等基本参数，逐页扫描或连续进纸。
3. 等待 OCR 完成：软件会对扫描页做文字识别，生成可搜索的文本层。页数多时需要一些时间，这是正常现象。
4. 检查页面方向：官方提到支持自动页面方向检测，但横放、倒放的页面仍建议人工确认一遍。
5. 打标签归档：为文档添加彩色标签，命名并保存。

验证方法

扫描完成后，在搜索框中输入文档里出现过的某个词（例如某张发票上的商家名），能命中该文档即说明 OCR 与索引正常。若搜不到，先检查该页图像是否清晰、文字是否过小或倾斜。

常见卡点

• 扫描仪不被识别：优先在系统层面排查，而不是在 Paperwork 内反复尝试。
• OCR 结果差：多与扫描分辨率过低、页面歪斜、字迹模糊有关，重新以更高分辨率扫描通常有效。
• 扫描速度慢：高分辨率加 OCR 本身耗时，属于预期行为，可分批处理。

整理机制：标签如何“学会”分类

Paperwork 的标签不只是手动分类，它会根据你已有的标签使用情况，推测新文档应归属哪个标签并自动应用。这类似邮件系统的自动归类：你前期手动纠正几次，后续就越省事。因此建议初期认真给一批文档打标签，让软件积累足够的判断依据；对自动结果不满意的，手动改掉即可。

除标签外，官方还提到快速页面编辑等功能，用于扫描后微调页面。

存储、备份与同步

Paperwork 把所有文档集中在一个目录下，这带来两个直接好处：

• 备份简单：备份这个目录即可，不需要导出数据库或逐条迁移。
• 同步灵活：该目录可以用 Nextcloud、Syncthing、SparkleShare、共享文件夹等工具在多台电脑间同步。

需要注意，同步工具处理的是普通文件，多台设备同时修改同一文档可能产生冲突副本，建议以一台设备为主要录入端。

格式与开放性

Paperwork 使用 JPEG（页面图像）、hOCR（OCR 结果）、PDF（成品文档）这类通用标准。这意味着即使以后不再使用 Paperwork，你的扫描件和识别文本仍可被其他工具读取，不存在“换软件就丢数据”的问题。软件本身以自由软件形式发布，官方表示这样做的原因是用户应当保持对数据的控制。

适合谁，不适合谁

如果你只是想找一款能扫描、能全文搜索、能自动打标签、数据留在自己手里的工具，Paperwork 的流程足够直接：扫描、识别、搜索、备份，四步闭环。

Linux 是一套开源的操作系统内核，配上各种软件打包成"发行版"后，就能像 Windows 或 macOS 一样日常使用。对业余无线电爱好者来说，它的价值在于大量数字通信、日志、SDR（软件无线电）和天线建模软件原生运行在 Linux 上，而且很多可以直接从光盘或 U 盘启动、不装进硬盘就能试用。如果你完全没有 Linux 经验，最稳妥的起点是找一个面向火腿的发行版，用 Live 介质先跑起来，确认声卡、串口和电台连接都正常，再决定要不要装到硬盘。

Linux 和 Windows/macOS 的核心差别

理解这三点，新手就不会被"折腾"吓退：

• 获取方式：Linux 发行版通常以 .iso 镜像文件发布，下载后写入 U 盘或刻录光盘即可启动。Windows/macOS 一般随机器预装或通过官方商店购买升级。
• 软件来源：Linux 软件多来自发行版自带的软件仓库，一条命令或图形化的包管理器就能装；Windows/macOS 更多是去官网下载安装包。
• 使用习惯：桌面环境可以换，命令行是常用工具而非"高级功能"。很多火腿软件需要在终端里启动或配置，这是正常操作，不是出错。

业余无线电里 Linux 能做什么

火腿场景下的典型用途包括：

• 数字通信：FT8、JS8Call、WSPR 等模式在 Linux 上有成熟客户端。
• 电台日志：CQRLOG、KLog 等日志软件支持 ADIF 导入导出和电台控制。
• SDR 接收：GQRX、SDR++、CubicSDR 配合 RTL-SDR 等廉价接收棒使用。
• 天线与电路建模：nec2c、xnec2c 等工具做天线仿真。
• 自制与嵌入式：树莓派等单板计算机默认跑 Linux，常用于远程电台、APRS 网关、WSPR 信标。

这些软件大多免费，且很多发行版已经把常用火腿工具打包好，省去逐个安装的麻烦。

新手最友好的入门路径：Live 介质免安装试用

所谓 Live CD/USB，就是把整个系统放在光盘或 U 盘上，开机直接从它启动，不动你硬盘里的原有系统。这是零风险体验 Linux 的最佳方式。

以资料中提到的 AI9NL - Harv's Hamshack Hack 为例：它是 KNOPPIX 发行版的重制版，专门面向没有 Linux 经验的业余无线电操作员，提供一个完整的操作系统，包含业余爱好、网页和文字处理所需软件，全部打包在一个 .iso 文件里，可直接刻录到 CD。这类"面向火腿的发行版"的价值就在于：你不需要先学会 Linux，开机就能用预装好的火腿软件。

开始前需要准备什么

• 一台可以设置启动顺序的电脑（台式机或笔记本均可）。
• 一个空白 U 盘（建议 4GB 以上）或一张空白 CD/DVD。
• 写盘工具：U 盘用 balenaEtcher、Rufus 等；光盘用系统自带的刻录功能。
• 心理准备：愿意在必要时打开终端、输入命令。

具体步骤

1. 下载镜像：从发行版官方页面获取 .iso 文件，核对校验值（如 SHA256），确认下载完整。
2. 写入介质：用写盘工具把 .iso 写入 U 盘或刻录到光盘。注意写盘会清空 U 盘原有数据。
3. 设置启动顺序：重启电脑，在开机自检画面按 F2、F12、Del 等键进入 BIOS/UEFI，把 U 盘或光驱调到第一启动项，保存退出。
4. 启动并试用：系统从介质加载后进入桌面，此时可以打开预装的火腿软件，接上电台或 SDR 设备测试。
5. 验证关键功能：确认声卡能收发音频、串口能识别电台、网络能连通，再决定是否安装到硬盘。

预期结果：你得到一个不依赖硬盘、可随时拔掉介质恢复原系统的 Linux 环境。

常见卡点与排查思路

这些问题的共同点是：先确认硬件被系统识别，再处理软件配置。Live 环境的好处是排查失败也不影响原系统。

先明确目标，再选发行版

新手最容易掉进的坑是一上来就陷入"哪个发行版最好"的比较。更有效的做法是先问自己：我要用 Linux 做什么？

• 只想试试 FT8 或 SDR：找一个预装火腿软件的 Live 发行版，跑通再说。
• 想长期当主力系统：选社区活跃、文档多的通用发行版，再按需装火腿软件。
• 想玩树莓派或远程电台：直接用 Raspberry Pi OS 等针对单板机优化的系统。

目标清楚了，发行版的选择自然收窄。对完全没有 Linux 经验的火腿来说，从面向业余无线电的 Live 发行版起步，是门槛最低、风险最小的路径。

PDM（个人文档管理）的核心目标，是把散落在抽屉里的纸质文件和电脑里的 PDF 集中到一个可搜索、可备份的文档库中。以开源工具 Paperwork 为例，它的做法是：扫描纸质文件 → OCR 生成文本层 → 按关键词全文检索 → 用彩色标签自动分类。适用条件是：你有一台能被系统识别的扫描仪（或支持 WIA 的设备），愿意把文件统一存放在一个目录下，并且接受以 JPEG、hOCR、PDF 这类通用格式保存。如果你只需要偶尔看几份 PDF，不必上这套流程；当纸质文件持续增加、又经常“记得有这份文件但找不到”时，它才真正省事。

PDM 要解决的是什么问题

传统归档方式有三个反复出现的麻烦：扫描件是纯图片，搜不到里面的字；文件散落在多个文件夹，备份时容易漏；分类靠手动建目录，新文件进来还得再想一遍放哪里。PDM 针对的正是这三点——把“扫描即可忘记”作为目标，让检索和归类由机器承担。

Paperwork 的定位就是这类个人文档管理器，官方描述强调三件事：把所有文件变成可搜索文档、全部内容存在一个目录下、使用通用标准不锁定用户。

扫描与 OCR：从纸到可搜索文本

前提

• 扫描仪或支持 WIA 的扫描设备，系统能正常驱动。
• 安装好 Paperwork 本体，并确认 OCR 组件可用（OCR 是把图片中的文字识别为文本层的关键）。
• 规划一个专用目录作为文档库根目录，后续所有扫描件都进这里。

具体步骤

1. 放入纸张并启动扫描：在 Paperwork 中发起扫描，设备逐页采集图像。预期结果是每页生成一张图像，进入待处理队列。
2. 让系统处理页面方向：Paperwork 提供自动页面方向检测，倒置或横放的页面会被纠正，减少事后手动旋转。
3. 执行 OCR：对扫描页做文字识别，生成带文本层的文档。预期结果是这份文件从此可以按内容关键词被搜到，而不只是按文件名。
4. 检查与快速编辑：对识别有偏差或页面顺序不对的文档，用快速页面编辑功能调整，再确认入库。

验证方法

扫描完成后，直接在搜索框输入文件中出现过的几个词（比如某张发票上的商户名）。能命中这份文档，说明 OCR 文本层已生效；只按文件名才能找到，则说明文本层没生成，需要检查 OCR 环节。

常见卡点

• 搜不到内容：多半是 OCR 没有实际执行，或扫描分辨率过低导致识别失败。
• 页面方向错乱：自动检测对空白页、表格页可能判断不准，需要手动纠正。
• 扫描仪不被识别：先确认系统层面能看到设备，再回到 Paperwork 中操作。

搜索：关键词命中整个 PDF

Paperwork 的检索不限于标题或标签，而是覆盖文档全文——官方说明明确支持“搜索整个 PDF 文件”。这意味着合同条款、账单明细里的词都能作为检索入口。对 PDF 文件同样适用：只要文件带有可识别的文本层，就能被全文搜索覆盖。

一个贴切的使用场景：你需要找三年前某张水电费单据，只记得缴费单位名称。输入该名称，文档库直接返回对应扫描件，而不需要回忆当时把它归在哪个文件夹。

自动分类：彩色标签如何“学会”位置

分类机制分两步：

1. 手动打标签：给文档添加彩色标签，标签代表类别（如“税务”“保修”“医疗”）。
2. 系统学习并自动应用：随着时间推移，Paperwork 会学习哪个标签对应文档的哪个位置，并对新扫描的文档自动套用相同标签。

这里的“位置”是理解机制的关键——它利用的是同类文档在版式上的相似性（比如某类单据的编号总在右上角）。因此，版式稳定的重复性文档（账单、收据、对账单）自动分类效果最好；版式差异大的文档仍可能需要人工确认。把这一步理解为“减少重复劳动”，而不是“完全免人工”，预期会更准确。

存储、备份与格式：为什么集中在一个目录很重要

Paperwork 把所有内容存放在单一目录下，这带来两个直接好处：

• 备份简单：备份一个目录即可覆盖全部文档，不需要拼凑多个位置。
• 同步方便：该目录可以用 Nextcloud、Syncthing、SparkleShare、共享文件夹等工具在多台电脑间同步。

格式方面，Paperwork 只使用 JPEG、hOCR、PDF 这类通用标准。hOCR 是带版面信息的 OCR 结果格式，PDF 是通用阅读格式，JPEG 是通用图像格式——三者都不依赖专有软件才能打开。实际意义是：即使以后不再使用这个工具，你的文件仍然能被其他软件读取，不存在“数据被锁在某个应用里”的问题。

什么时候该选它，什么时候不必

Paperwork 以自由软件形式发布，官方强调用户对数据保持控制。至于具体版本、安装包和平台细节，建议以 OpenPaperwork 项目页面上的当前说明为准，不要依据旧资料推断。