angelborroy/alfresco-tengine-ocr

alf-tengine-ocr Docker镜像

概述

alf-tengine-ocr是一个预配置的Docker镜像，将Tengine（Nginx的增强版）与光学字符识别(OCR)功能集成在一起，专门为Alfresco内容管理系统提供文档文本识别服务。该镜像简化了在Alfresco环境中部署OCR服务的过程，使系统能够自动从图像和扫描文档中提取文本内容。

核心功能与特性

• 集成Tengine作为高性能Web服务器和反向代理
• 内置OCR引擎，支持多种语言文本识别
• 与Alfresco内容管理系统无缝集成
• 支持多种文档格式：PDF、TIFF、JPEG、PNG等
• 自动文本提取与索引，提升内容可搜索性
• 可配置的识别精度和性能参数
• 轻量级设计，优化资源占用
• 支持水平扩展，满足不同负载需求
• 提供健康检查和监控接口

使用场景与适用范围

alf-tengine-ocr适用于以下场景：

• Alfresco内容管理系统需要处理大量扫描文档和图像
• 企业需要从非文本文档中提取可搜索文本
• 文档管理系统需要提高内容检索的准确性和全面性
• 需要自动化处理纸质文档数字化的工作流
• 构建智能文档管理解决方案，实现文档内容的自动分析和分类

安装与部署

前提条件

• Docker Engine 1.12+
• Docker Compose (可选，用于多容器部署)
• Alfresco Content Services 5.2+

快速启动

使用以下命令快速启动容器：

bash
docker run -d -p 8080:8080 --name alf-tengine-ocr aborroy/alf-tengine-ocr

Docker Compose 部署

创建docker-compose.yml文件：

yaml
version: '3'
services:
  alf-tengine-ocr:
    image: aborroy/alf-tengine-ocr
    container_name: alf-tengine-ocr
    ports:
      - "8080:8080"
    environment:
      - OCR_LANGUAGE=eng+chi_sim
      - TENGINE_WORKERS=4
      - ALFRESCO_URL=http://alfresco:8080
    volumes:
      - ./ocr-data:/var/lib/ocr
    restart: unless-stopped

启动服务：

bash
docker-compose up -d

配置说明

环境变量

alf-tengine-ocr支持以下环境变量进行配置：

卷挂载

推荐挂载以下目录以实现数据持久化：

• /var/lib/ocr - OCR处理缓存和临时文件
• /etc/tengine/conf.d - 自定义Tengine配置文件
• /var/log/tengine - 日志文件

自定义配置

如需自定义Tengine配置，可以挂载配置文件到容器中：

bash
docker run -d -p 8080:8080 \
  -v ./custom-ocr.conf:/etc/tengine/conf.d/ocr.conf \
  --name alf-tengine-ocr aborroy/alf-tengine-ocr

与Alfresco集成

1. 确保alf-tengine-ocr服务与Alfresco服务器网络互通
2. 在Alfresco中配置OCR转换服务指向该镜像提供的端点
3. 配置Alfresco规则，自动对新上传的图像/扫描文档应用OCR处理

详细的Alfresco集成步骤请参考Alfresco官方文档中关于内容转换服务的配置部分。

维护与监控

查看日志

bash
docker logs -f alf-tengine-ocr

健康检查

服务提供健康检查端点：

http://<container-ip>:8080/health

更新镜像

bash
docker pull aborroy/alf-tengine-ocr
docker stop alf-tengine-ocr
docker rm alf-tengine-ocr
docker run -d -p 8080:8080 --name alf-tengine-ocr aborroy/alf-tengine-ocr

故障排除

• OCR处理速度慢：增加TENGINE_WORKERS环境变量值，或调整OCR引擎精度参数
• 识别准确率低：检查并确保使用了正确的语言包，考虑调整图像预处理参数
• 服务无法启动：检查日志文件，确认端口未被占用，Alfresco服务器可访问
• 大文件处理失败：增加OCR_TIMEOUT和MAX_FILE_SIZE参数值

支持的语言

默认包含英语语言包，可通过OCR_LANGUAGE环境变量添加其他语言支持，如：

• chi_sim (简体中文)
• chi_tra (繁体中文)
• spa (西班牙语)
• fra (法语)
• deu (德语)
• jpn (日语)
• kor (韩语)

完整的语言支持列表请参考OCR引擎文档。