milefork/nextcloud-tesseract

Nextcloud (含Tesseract OCR) 镜像文档

概述

本镜像基于Nextcloud最新官方版本构建，集成了Tesseract OCR（光学字符识别）引擎。Nextcloud是开源的文件同步与协作平台，支持文件存储、共享、协作编辑等功能；Tesseract OCR是开源的OCR引擎，可从图片、扫描PDF等文件中提取文本内容。二者结合后，可实现文档内容的自动化提取与索引，提升文档管理效率。

核心功能

• 完整Nextcloud功能：包含文件存储、跨设备同步、用户/权限管理、团队协作（文档编辑、日历、联系人等）。
• Tesseract OCR集成：支持从JPG、PNG等图片及扫描PDF中提取文本，支持多语言识别（如英语、中文、西班牙语等）。
• 基于最新版本：构建于Nextcloud官方最新稳定版，确保功能更新与安全补丁。
• 容器化部署：轻量级容器设计，支持快速部署、跨平台运行，易于集成到现有IT环境。

使用场景

• 个人文档管理：扫描纸质文档后自动提取文本，便于搜索和编辑。
• 团队协作系统：团队共享扫描版会议纪要、合同等文件时，通过OCR提取内容实现全文检索。
• 教育/研究场景：处理手写笔记、学术论文扫描件，快速提取关键信息。
• 企业文档归档：对发票、报表等扫描文件进行文本提取，用于自动化数据录入或合规审计。
• 多语言环境：支持多语言OCR，满足国际化团队的文档处理需求。

使用方法

基本部署（Docker Run）

通过以下命令快速启动容器：

docker
docker run -d \
  --name nextcloud-ocr \
  -p 8080:80 \
  -v nextcloud_data:/var/www/html \
  -v nextcloud_userdata:/data \
  -e NEXTCLOUD_ADMIN_USER=admin \
  -e NEXTCLOUD_ADMIN_PASSWORD=your_strong_password \
  -e TZ=Asia/Shanghai \
  nextcloud:latest-tesseract-ocr

Docker Compose配置示例

创建docker-compose.yml文件：

yaml
version: '3'

services:
  nextcloud:
    image: nextcloud:latest-tesseract-ocr
    container_name: nextcloud-ocr
    restart: always
    ports:
      - "8080:80"
    volumes:
      - nextcloud_data:/var/www/html  # Nextcloud应用数据
      - nextcloud_userdata:/data      # 用户文件存储
    environment:
      - NEXTCLOUD_ADMIN_USER=admin
      - NEXTCLOUD_ADMIN_PASSWORD=your_strong_password
      - TZ=Asia/Shanghai
      - OCR_LANGUAGES=eng+chi_sim  # 支持的OCR语言（英语+简体中文）
    networks:
      - nextcloud-network

networks:
  nextcloud-network:

volumes:
  nextcloud_data:
  nextcloud_userdata:

启动服务：docker-compose up -d

环境变量说明

OCR功能使用方法

1. 启用OCR应用：登录Nextcloud后，进入「应用」→「办公与文本」，搜索并安装「Recognize」应用（Nextcloud官方OCR插件）。
2. 上传文件：通过Web界面或客户端上传图片（JPG/PNG）或扫描PDF文件。
3. 提取文本：右键点击文件 →「更多操作」→「提取文本」，等待OCR处理完成。
4. 查看结果：处理完成后，可在文件详情页查看提取的文本，或通过Nextcloud全文搜索功能检索文本内容。

注意事项

• 数据持久化：务必通过volumes挂载/var/www/html（应用配置）和/data（用户文件），避免容器重启后数据丢失。
• 资源配置：OCR处理需消耗CPU/内存资源，建议根据文件量分配至少2GB内存，多用户场景可适当增加。
• 安全配置：生产环境需配置HTTPS（可通过Nginx反向代理实现），并定期更新镜像以获取安全补丁。
• 语言包扩展：如需更多语言支持，可进入容器执行apt-get install tesseract-ocr-[语言代码]（如apt-get install tesseract-ocr-chi-tra安装繁体中文支持）。