求推荐一个能检索内容的 pdf 文件管理软件

[f1ynnv2]

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：

1. 能检索 pdf 标题和内容
2. 最好能给 pdf 文件打标签
3. B/S 架构，这样可以部署到一台服务器上，多端访问

谢谢。

[jamosLi]

有了踢踢我

[koto]

abbyy ？不过是收费的

[DigitalG]

devonthink 有 server 版本，一次性付费，虽然比较贵。

[DigitalG]

@DigitalG 不过除了 server ，client 只有 Apple 生态的版本

[shalingye]

calibre ，能写元数据，自带 web 服务，但似乎不能检索 pdf 内容。

[virlaser]

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

[mmm159357456]

为啥没人说 zotero 和 endnote

[tool2d]

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。

[f1ynnv2]

@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。

[f1ynnv2]

@tool2d 理论上确实是可以自己写，但是时间花在这上面不太值。

[f1ynnv2]

找到一个开源的，似乎完美符合我的要求。
https://github.com/papermerge/papermerge-core

[litengyu86]

@koto abbyy 丢丢贵

[TerranceL]

mendely

[f1ynnv2]

@f1ynnv2 试了下，功能是有，但是不稳定。。

[NutsoGao]

插眼，有了我踢踢我

[beyondex]

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。

[aitianci]

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。

[kukat]

paperless-ngx

[congjinyebaiya]

zotero 貌似可以

[wanghaoyang]

Confluence

[hicdn]

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。

[mmdsun]

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

[em70]

chatPDF

[mmdsun]

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

[f1ynnv2]

@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

[dier]

听说最近出了一个 chatPDF

[enrolls]

这个整合一下应用，应该很快就能有雏形啊

[kukat]

@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

[f1ynnv2]

@kukat 我启动 docker 时提示没安装 chi 的 ocr ，只好自己又装了一下重新做了个镜像

[f1ynnv2]

@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。