这是一个创建于 644 天前的主题，其中的信息可能已经有所发展或是发生改变。
因为平时会把一些论文、文章转成 pdf 保存，时间久了 pdf 文件非常多，所以想找个 pdf 管理软件，想要的特性如下：
- 能检索 pdf 标题和内容
- 最好能给 pdf 文件打标签
- B/S 架构，这样可以部署到一台服务器上，多端访问
谢谢。
 |
1
jamosLi 2023-03-14 09:41:48 +08:00
有了踢踢我
|
 |
2
koto 2023-03-14 09:42:32 +08:00
abbyy ？不过是收费的
|
 |
3
DigitalG 2023-03-14 09:52:38 +08:00
devonthink 有 server 版本，一次性付费，虽然比较贵。
|
 |
5
shalingye 2023-03-14 10:00:47 +08:00 via Android
calibre ，能写元数据，自带 web 服务，但似乎不能检索 pdf 内容。
|
 |
6
virlaser 2023-03-14 10:05:37 +08:00
目前用的 NAS 实现这个功能
对于可以复制文字的 PDF ，NAS 可以直接索引里面的文字，直接搜索 对于不能复制文字的 PDF ，需要先通过 OCR 软件识别一下（之前用的 PDFElement ，不过好像调的还是 abbyy 引擎），在 PDF 上覆盖一层透明的文字层，然后再保存到 NAS 里面，这样就可以索引了 NAS 本身的文件管理提供了打标签、多端访问和索引的功能 |
 |
7
mmm159357456 2023-03-14 10:11:52 +08:00  1
为啥没人说 zotero 和 endnote
|
 |
8
tool2d 2023-03-14 10:16:55 +08:00
自己写一个 pdf 搜索并不难。你可以用工具批量 pdf to txt ，然后针对 txt 做文本搜索，就会方便太多。
|
 |
9
f1ynnv2 OP @mmm159357456 调研过 zotero ，这个好像就是个单体软件，只是能通过 webdav 同步，离 web-based 有些远。endnote 没接触过，我去了解下。
|
|
11
f1ynnv2 OP 找到一个开源的，似乎完美符合我的要求。
https://github.com/papermerge/papermerge-core |
 |
12
litengyu86 2023-03-14 12:35:02 +08:00
@koto abbyy 丢丢贵
|
 |
13
TerranceL 2023-03-14 13:05:23 +08:00
mendely
|
 |
15
NutsoGao 2023-03-14 13:38:06 +08:00
插眼，有了我踢踢我
|
 |
16
beyondex 2023-03-14 15:53:05 +08:00
sea desktop search ，满足 1 ，3 B/S 架构，这样可以部署到一台服务器上，多端访问
不过浏览器访问需要手动配置，倒也不复杂，不提供傻瓜化开关。 |
 |
17
aitianci 2023-03-14 16:52:29 +08:00
mendeley 和 zotero 确实符合条件，我现在在用的是 zotero ，可以手动导入 pdf 然后它自己会 OCR 搞一套检索，标题内容都能搜索，至于打标签那是基本功能，科研工具就是做笔记方便。另外可以用坚果云的 webdav 同步，多端访问也不成问题。
|
 |
18
kukat 2023-03-14 18:08:47 +08:00
paperless-ngx
|
 |
19
congjinyebaiya 2023-03-14 18:21:28 +08:00 via iPhone
zotero 貌似可以
|
 |
20
wanghaoyang 2023-03-14 18:31:24 +08:00
Confluence
|
 |
21
hicdn 2023-03-14 22:07:52 +08:00
继续安利 recoll ，https://www.lesbonscomptes.com/recoll/pages/index-recoll.html 支持全平台，功能十分强大，压缩包里的文件内容都可以索引，还能自己扩展可索引的文件后缀名，比如 xmind 的思维导图。
|
 |
22
mmdsun 2023-03-14 22:11:10 +08:00
我用的 Adobe Acrobat Pro DC 工具可以搜索 pdf 内容，用的 微博 Vposy 大神出的 Adobe 全家桶
|
 |
23
em70 2023-03-14 22:13:10 +08:00
chatPDF
|
|
24
mmdsun 2023-03-14 22:14:47 +08:00
抱歉没看 B/S 架构，建议用 Apache Solr 。PDF\word 各种格式都能搜索，类似 ES ，带 UI
Apache Solr： https://solr.apache.org/features.html |
|
25
f1ynnv2 OP @kukat 试用了一下，这个确实很好用，基本满足我列的要求。非常感谢
不过默认自带的 ocr 不支持中文，用 Docker 的话得自己重新写个 Dockerfile |
 |
26
dier 2023-03-14 22:49:33 +08:00 via iPhone
听说最近出了一个 chatPDF
|
 |
27
enrolls 2023-03-14 23:07:14 +08:00 via iPhone
这个整合一下应用，应该很快就能有雏形啊
|
|
28
kukat 2023-03-15 10:13:48 +08:00
@f1ynnv2 不用啊，可以调整 OCR 的语言选项。https://docs.paperless-ngx.com/configuration/#ocr
用官方提供的安装脚本就行，不过语言项有点 bug ，一会下划线一会横线…… 记得改一下 docker-compose.env PAPERLESS_OCR_LANGUAGE=eng+chi_sim PAPERLESS_OCR_LANGUAGES=eng chi-sim |
|
30
f1ynnv2 OP @kukat 请问一下，docker 镜像里，我已经通过 apt install tesseract-ocr-chi-sim 了，但是启动的时候仍然提示
2023-03-15 16:36:16 Reading package lists... 2023-03-15 16:36:16 Package tesseract-ocr-eng already installed! 2023-03-15 16:36:17 Package tesseract-ocr-chi_sim not found! :( 不过奇怪的是确实已经可以 OCR 扫描到文字了。 |
Select Language