Paperless NGX en Docker: Document management autohospedado con OCR, Python + Django backend, scan documents, automatic indexing, tags/correspondents/document types, full-text search, PostgreSQL, Tesseract OCR 100+ languages, PDF/A archival, AI/LLM suggestions, mobile scanner apps, REST API, beautiful web UI, document versioning, bulk editing, 45k+ GitHub stars, GPL-3.0 open source, production-ready 📄🔍

Paperless NGX es un sistema de gestión de documentos completamente autohospedado y open source que transforma documentos físicos escaneados en un archivo digital searchable. Backend Python + Django, OCR con Tesseract (100+ idiomas), full-text search de documentos, automatic indexing con tags, correspondents, document types, machine learning para auto-tagging, almacenamiento en formato PDF/A para archivado a largo plazo, dashboard web moderno y hermoso, mobile scanner apps (Android/iOS), REST API completa, document versioning (múltiples versiones del mismo doc), bulk editing, optional Azure AI OCR remote, optional AI/LLM para sugerencias de documentos, PostgreSQL backend, 45k+ GitHub stars, GPL-3.0 open source, alternativa autohospedada a servicios cloud como Evernote/OneNote para documentos.

Vídeo tutorial en YouTube

Mira el vídeo completo sobre cómo instalar y usar Paperless NGX en Docker en el canal GENBYTE:

Clickea la miniatura para ir a YouTube →

¿Qué es Paperless NGX en Docker?

Paperless NGX es un sistema de gestión de documentos completamente autohospedado y open source que transforma documentos físicos escaneados en un archivo digital searchable. Backend Python + Django + PostgreSQL, OCR con Tesseract (100+ idiomas), full-text search de documentos, automatic indexing con tags, correspondents, document types, machine learning para auto-tagging, almacenamiento en formato PDF/A para archivado a largo plazo, dashboard web moderno con interfaz hermosa, mobile scanner apps (Android/iOS), REST API completa para integrations, document versioning (múltiples versiones del mismo doc), bulk editing, Azure AI OCR remoto (opcional), AI/LLM para sugerencias de documentos (opcional), 45k+ GitHub stars, GPL-3.0 open source, alternativa autohospedada a servicios cloud premium para gestión de documentos. El sistema de archivado digital que pedías con OCR completo.

Propuesta clave: Open-source document management (Python + Django). OCR with Tesseract. Full-text search. Auto-indexing. Tags/correspondents/types. ML auto-tagging. PDF/A archival. Modern web UI. Mobile apps. REST API. Document versioning. Bulk editing. Optional AI suggestions. PostgreSQL. 45k+ stars. GPL-3.0.

Para homelabs + documentación: Paperless autohospedado. OCR completo. Searchable. Sin cloud vendor. Open source. Alternativa Evernote gratis.

Características principales

OCR con Tesseract

Reconocimiento 100+ idiomas. Searchable text. Open source engine.

Full-text search

Busca contenido en documentos. Rápido. Relevancia ranking.

Auto-indexing

Tags automáticos. Correspondents. Document types. ML-powered.

PDF/A archival

Long-term format. Preserves documents for decades. Standards-based.

Web UI moderno

Dashboard hermoso. Customizable. Drag-and-drop upload.

Mobile scanner apps

Android/iOS integrations. Scan & upload. One-click import.

Document versioning

Múltiples versiones. Shared metadata. Version history.

Bulk editing

Edita cientos de docs. Tags, correspondents, types en batch.

REST API

API completa. Programmatic access. Automations. Integrations.

AI/LLM support (opcional)

Document suggestions. Automatic naming. Opt-in feature. Privacy-first.

Azure AI OCR (opcional)

Remote OCR accuracy. Alternative a Tesseract local. Opt-in.

Multi-language

100+ language support. Tesseract multilingual. Global-ready.

Requisitos del sistema

Docker & Docker Compose v2+
2 GB - 4 GB RAM mínimo (OCR demanding)
20 GB - 500GB+ espacio disco (según cantidad documentos)
Puerto TCP: 8000 (web UI), 8080 (optional), 9000 (optional)
Database: PostgreSQL 12+ (recomendado) o SQLite (dev)
OS: Linux (recomendado), Windows, macOS
CPU: 2 cores (más cores = OCR paralelo más rápido)
Tesseract OCR (incluido en Docker image)

⚠️ Seguridad de datos: Paperless almacena documentos en plain text (no encrypted). No hostes en servidores untrusted. Mejor en casa o servidor propio. Backups importantes.

💡 OCR performance: OCR es CPU-intensive. Más cores = más rápido. Puedes paralelizar workers. 2-4 cores recomendado.

Instalación con Docker Compose

Paso 1: docker-compose.yml (con PostgreSQL + Redis)

version: '3.8' services: paperless: image: ghcr.io/paperless-ngx/paperless-ngx:latest container_name: paperless-ngx restart: unless-stopped ports: - "8000:8000" volumes: - ./data:/home/paperless/data - ./media:/home/paperless/media - ./export:/home/paperless/export - ./consume:/home/paperless/consume environment: - PAPERLESS_URL=http://localhost:8000 - PAPERLESS_ADMIN_USER=admin - PAPERLESS_ADMIN_PASSWORD=changeme - PAPERLESS_SECRET_KEY=your-secret-key-here - PAPERLESS_DBHOST=db - PAPERLESS_DBNAME=paperless - PAPERLESS_DBUSER=paperless - PAPERLESS_DBPASS=password - PAPERLESS_REDIS=redis://redis:6379 - PAPERLESS_TASK_WORKERS=2 - PAPERLESS_THREADS_PER_WORKER=1 depends_on: - db - redis db: image: postgres:15 container_name: paperless-db restart: unless-stopped environment: - POSTGRES_DB=paperless - POSTGRES_USER=paperless - POSTGRES_PASSWORD=password volumes: - db_data:/var/lib/postgresql/data redis: image: redis:7 container_name: paperless-redis restart: unless-stopped volumes: db_data:

Paso 2: Iniciar Paperless NGX

docker compose up -d # Espera ~30 segundos para que inicie docker compose logs -f paperless

Paso 3: Acceder a Paperless

# Abre en navegador: http://localhost:8000 # Login: admin/changeme (cambiar!)

Acceder a Paperless NGX

📄 Paperless Web UI: http://localhost:8000
🔗 API REST: http://localhost:8000/api
📤 Consume folder: ./consume (auto-import)

Primeros pasos

Abre http://localhost:8000 en navegador
Login con admin/changeme (cambiar password!)
Dashboard principal muestra overview de documentos
Uploda documentos vía web UI (drag-drop)
O copia PDFs/imágenes a carpeta ./consume (auto-import)
OCR se ejecuta automáticamente en background
Agrega tags, correspondents, document types manualmente o deja que ML auto-tag
Busca documentos con full-text search

⚠️ Cambiar credenciales: Primera cosa: Settings → Change password. Cambiar admin/changeme. Secret key es importante.

💡 Mobile scanning: Instala Paperless Mobile (Android/iOS) o Keeplys. Escanea documentos directamente a Paperless desde el teléfono. One-click upload.

Casos de uso

Personal document archive: Escanea documentos importantes. Crear archivo digital searchable. Life-long storage.
Paperless home office: Elimina papel físico. Escanea facturas, contratos, recibos. Organize digitalmente.
Tax & compliance: Mantenimiento de registros. Archivado a largo plazo. PDF/A compliance.
Business document management: Equipos pequeños. Central repository. Search por cualquier doc rápidamente.
Privacy-first solution: Controla tus documentos. No cloud vendor. Datos en tu servidor. Privacidad total.
Cost reduction: Alternativa gratis a Evernote/OneNote/DocuBank. Self-hosted = no recurring costs.
Multi-language support: Documentos en múltiples idiomas. OCR en 100+ idiomas. Global-ready.

Configuración avanzada

Mobile app integration (Android)

# Instala "Paperless Mobile" desde Google Play # O "Keeplys" para scanning directo # Configure server URL + API token # Scan & auto-upload desde teléfono

Configurar tags & correspondents

# Settings → Tags → Crea categorías (ej: Taxes, Medical, Invoices) # Settings → Correspondents → Crea emisores (ej: Landlord, Insurance, Utility) # Settings → Document Types → Crea tipos (ej: Invoice, Receipt, Contract)

Machine learning auto-tagging

# Settings → Machine Learning # Enable classifier para auto-tag documents # ML learning from your manual tags

Consume folder automation

# Copia PDFs/imágenes a ./consume folder # Paperless auto-imports every ~30 seconds # Perfecto para scanner automático + scripts

Export & backup

# Settings → Exporter # Export todos documentos + metadata como JSON # Backup regulares de ./data y ./media folders

Gestión y mantenimiento

Ver estado

docker compose ps

Ver logs

docker compose logs -f paperless # Ver OCR processing docker compose logs -f paperless | grep "OCR"

Detener Paperless

docker compose down

Actualizar versión

docker compose pull docker compose up -d # DB migration automático

Backup de documentos

tar -czf paperless_backup_$(date +%Y%m%d).tar.gz data/ media/ # O backup vía PostgreSQL docker compose exec db pg_dump -U paperless paperless > backup.sql

Monitorear consumo

docker stats paperless-ngx paperless-db # Típicamente durante OCR: # Paperless CPU: 50-100% (OCR intensive) # Paperless RAM: 500MB-2GB # PostgreSQL RAM: 200-500MB

Stack técnico

Backend: Python 3.11+ + Django (web framework)
Frontend: Angular/TypeScript (modern UI)
OCR Engine: Tesseract (100+ languages, open source)
Database: PostgreSQL 12+ (recomendado)
Task Queue: Redis + Celery (for async OCR processing)
API: REST API (Django REST framework)
Document format: PDF/A (long-term archival)
Deployment: Docker, Docker Compose, bare metal Linux
Licencia: GPL-3.0 open source
Community: 45k+ GitHub stars, active development

Comparativa con alternativas

vs Evernote/OneNote ($0-10/mes)

Paperless gana: Gratis, self-hosted, full OCR, privacy. Evernote gana: Managed, beautiful mobile app, note-taking focused (no doc archival).

vs DocuBank ($20+/mes)

Paperless gana: Gratis, self-hosted, open source, sin vendor lock-in. DocuBank gana: Managed, compliance focus, insurance-backed.

vs ScanSnap iCloud ($120+)

Paperless gana: Gratis software, open source, total control. ScanSnap gana: Hardware + software integrated, polish, managed cloud.

Mejor para: Homelabs, archivado personal, documentos sensibles. Privacy-first. OCR completo. Self-hosted. Open source.

Referencias oficiales

Apoya el canal GENBYTE

Suscríbete al canal de YouTube Suscríbete a la newsletter semanal Invítame a un Ko-fi genbyte@proton.me

Cómo instalar Paperless NGX en Docker - Document Management autohospedado