Paperless-ngx 與 Evernote,文件掃描歸檔的 OCR 實測
可讀:打開檔案能看清楚內容,影像品質與旋轉校正要做好。
大多數評測只比第一層跟第二層,但真正讓人放棄一套系統的,往往是第三層。這也是後半段我們會花不少篇幅談維護與成本的原因。
二、參賽者介紹:兩套工具的根本差異
在進入實測數據之前,得先花點時間把兩邊的定位講清楚。因為很多人拿 Evernote 免費版去跟一套完整部署的 Paperless-ngx 比,然後得出「Evernote 不夠用」的結論,這其實不太公平——它們本來就不是同一個量級的產品。
2-1 Paperless-ngx:把文件倉庫搬回自己家的開源方案
Paperless-ngx 是 Paperless-ng 的社群延續分支(原始專案停更後由社群接手),採用 GPL 授權、完全開源。它的核心概念非常單純:你有一個「消耗資料夾」(consume folder),掃描器或手機把檔案丟進去,系統自動 OCR、自動分類、自動歸檔,然後給你一個可以全文檢索的網頁介面。
技術組成大致是這樣:
tag:、correspondent:、created: 等語法與模糊比對。換句話說,Paperless-ngx 給你的是一套「文件管理系統的骨架」,強項在批次處理與自動化,弱項在於它需要一台永遠開著的機器,以及一個願意定期備份的人。
2-2 Evernote:雲端筆記起家,掃描只是順手的能力
Evernote 的定位從來不是「文件管理系統」,而是「第二大腦」式的筆記工具。這幾年歷經股權易手與產品重整,官方把重心放在核心筆記體驗,方案與功能邊界也調整過好幾次。
在掃描歸檔這條路上,Evernote 的優勢是「順」:
tag:、notebook:、intitle: 等條件,也能針對 PDF 附件內容搜尋(依方案與附件規格而有差異)。但它的限制也很明確:OCR 是在雲端進行,你必須等上傳與處理完成;批次匯入大量文件的流程不如自架系統順暢;免費方案在筆記數量與登入裝置上有明確上限,且這些限制在近年多次調整,使用者得持續關注官方公告。最重要的一點是——你的資料在別人的伺服器上,方案一改、服務一收,你的歸檔策略就得重來。
2-3 定位對照表:先看清楚你在比什麼
比較項目
Paperless-ngx
Evernote
產品性質
開源自架文件管理系統
雲端筆記服務(含掃描功能)
OCR 引擎
Tesseract(可自選語言包)
雲端 OCR(未公開引擎細節)
資料存放
自己的硬碟/NAS/伺服器
官方雲端
批次匯入
極強(consume 資料夾、API、Email)
較弱,以單筆筆記為單位
自動分類
規則式,可依內容/檔名自動貼標
手動為主,輔以搜尋
行動掃描體驗
需搭配第三方 App 或掃描器
原生相機掃描,體驗流暢
費用
軟體免費,成本在硬體與時間
訂閱制,免費版有明確限制
資料可攜性
檔案就在資料夾裡,備份即帶走
需透過匯出功能,格式有轉換成本
維護責任
使用者自行承担(更新、備份、除錯)
官方維護
三、實測設計:我們怎麼測,以及為什麼這樣測
為了讓結果有參考價值,我們刻意避開「完美掃描」這種實驗室條件,改用一般人手上真的會出現的紙本狀態:有摺痕的、影印三次的、蓋章蓋到字都糊掉的、還有用手寫填寫的表格。
3-1 測試環境與版本
本次實測的環境如下,提供給想複製結果的讀者參考:
chi_tra、chi_sim、eng,其餘設定維持預設(包含影像前處理與 PDF/A 轉檔)。需要提醒的是,OCR 表現高度依賴掃描品質、語言包版本與影像前處理設定。以下數字是「本次樣本、本次設定」的結果,不是絕對值,但在相同條件下互相比較仍具參考意義。
3-2 八類測試樣本
我們準備了以下八類文件,每類 3 至 5 份,共 28 份樣本:
中英混排合約:兩頁式服務合約,中英文段落交錯,含公司統編與金額。
表格型對帳單:銀行往來明細,欄位密集、數字多、有淡色格線。
低品質影本:影印三次後的保單,字跡有毛邊、部分區域反白。
手寫便條:原子筆手寫的中文備忘錄與英文名字。
蓋章文件:公司大小章壓在文字上,部分字元被紅章覆蓋。
手機拍攝收據:超商收據,紙張捲曲、有陰影、字體極小。
3-3 評分方式與變數控制
我們採用兩項指標:
變數控制上,兩邊都使用同一份原始掃描檔,避免「Evernote 用比較好的掃描器」這種不公平。唯一無法控制的是兩邊的 OCR 引擎不同,但這正是我們要比較的東西。
四、OCR 實測結果:中英文、表格、手寫逐項比
以下結果按樣本類型分項說明。再次強調,這些數字是本次小樣本測試的觀察,不代表兩套系統的極限;調校參數(例如 Tesseract 的頁面分割模式、Evernote 的影像增強)都可能改變結果。
4-1 繁體中文印刷體:Paperless-ngx 略勝一籌
在清晰的繁體中文印刷帳單上,兩邊的表現都在「可用」範圍。Paperless-ngx 搭配 chi_tra 語言包,CER 大約落在 4% 至 8% 之間;Evernote 的雲端 OCR 大約在 6% 至 10%。差距的主要來源是異體字與標點。
實際觀察到的錯誤型態很有趣:Tesseract 傾向把「帳」與「賬」、「台」與「臺」這類異體互換,數字「0」與「O」、「1」與「l」偶爾混淆;Evernote 則比較容易在密集行距的文字上「吃掉」整行,或是把表格中的文字順序打亂。對搜尋來說,前者影響較小(因為你還是有機會用其他字詞命中),後者影響較大(整行消失等於那一段完全搜不到)。
值得一提的是,Paperless-ngx 在匯入時會做影像前處理,包括自動旋轉、去除空白頁、調整對比。這對稍微歪斜的掃描檔幫助明顯。Evernote 在檔案匯入這條路徑上比較「原樣照收」,歪斜的影像不會被自動校正,OCR 結果自然受影響。
4-2 英文、數字與統一發票:關鍵在「小而密」的字
中英混排的合約,兩邊對英文的辨識都相當好,CER 普遍在 2% 以下。真正拉開差距的是統一發票。
紙本電子發票的品名明細字體極小,加上欄位密集,對 OCR 是很嚴苛的考驗。Paperless-ngx 在品名欄的辨識率明顯較高,但兩邊都難以百分之百正確辨識 8 碼隨機碼與長串數字。實務上的建議是:發票這種「數字必須精準」的文件,OCR 結果只能當作輔助索引,對帳時還是要人工核對。
另外要提醒的是,兩套系統對於「被印章覆蓋的文字」處理都不理想。紅色印章壓在黑色文字上,OCR 很容易把整段判讀成亂碼。Paperless-ngx 可以在掃描時改用灰階模式降低干擾,這是一個實用的小技巧。
4-3 表格與版面結構:Paperless-ngx 的文字順序較合理
銀行對帳單這種「多欄位、多列、有格線」的文件,是 OCR 的傳統痛點。這裡 Paperless-ngx 的表現較好,主要是因為 Tesseract 的頁面分割模式可以調整,加上匯入時的影像處理會強化格線與文字的對比,輸出文字的閱讀順序比較接近人類的直覺。
Evernote 的 OCR 結果則偏向「把偵測到的文字區塊全部丟出來」,欄位順序有時會跳躍。這對「閱讀」影響不大(你本來就會看原圖),但對「搜尋」有影響:如果你搜尋「2024/03/15」這種日期,而該日期在 OCR 輸出中被拆散成三段,就可能搜不到。
不過要說句公道話:沒有任何 OCR 能完美還原表格結構。真正的表格資料如果要再利用(例如匯入 Excel 做分析),還是得靠專門的表格辨識工具,或是直接向金融機構索取 CSV。把掃描歸檔的 OCR 當成「索引」而非「資料來源」,心態會健康很多。
4-4 手寫與低品質影本:兩邊都不及格,但用途不同
手寫中文這一項,兩套系統都稱不上堪用。Tesseract 對手寫體的辨識能力本來就有限,中文手寫幾乎全軍覆沒;Evernote 對「工整的英文手寫」有一定辨識力,但中文手寫同樣難以辨識。
低品質影本(影印三次的保單)則是另一個殘酷場景。兩邊的 CER 都明顯上升,Paperless-ngx 約在 15% 至 22%,Evernote 約在 18% 至 26%。但即使辨識率不佳,「可讀性」還是存在的——你打開檔案還是能看圖,只是搜尋不太可靠。
這帶出一個重要的實務觀念:OCR 的目的是「讓你找得到」,不是「取代你閱讀」。手寫便條就算 OCR 全錯,只要你養成「標題寫清楚、放對資料夾」的習慣,還是能靠結構化資訊撈出來。Paperless-ngx 在這方面彈性更大,因為它的標籤與通訊者欄位是獨立的結構化資料,不依賴 OCR;Evernote 則需要你勤寫標題與標籤。
4-5 搜尋實測:從「關鍵字」到「找到那張紙」
OCR 準不準,最終要回到一個問題:使用者搜得到嗎?我們用每份樣本設定 5 個關鍵字,測試命中率。
在清晰印刷文件上,Paperless-ngx 的關鍵字命中率約 92%,Evernote 約 85%。差距在低品質影本與表格文件上拉大:Paperless-ngx 約 74%,Evernote 約 60%。原因除了 OCR 本身,還包括搜尋引擎的設計——Paperless-ngx 的全文索引對部分比對與模糊搜尋的支援較完整,Evernote 的搜尋則偏向精確詞與其詞幹變化。
另一個差異是「搜尋後的限縮能力」。Paperless-ngx 可以在搜尋框直接輸入 correspondent:富邦 tag:保險 created:[2023 TO 2024] 這種複合條件,一次把範圍縮到極小;Evernote 雖然也支援 tag: 與 notebook: 語法,但組合彈性與欄位粒度不如前者。當你的文件量累積到上千份,這個差異會非常明顯。
4-6 成績總表
樣本類型
Paperless-ngx CER
Evernote CER
Paperless-ngx 命中率
Evernote 命中率
繁體中文印刷帳單
4%–8%
6%–10%
約 95%
約 90%
中英混排合約
3%–6%
4%–7%
約 94%
約 88%
統一發票
8%–14%
10%–18%
約 80%
約 72%
表格型對帳單
7%–12%
10%–16%
約 86%
約 70%
低品質影本
15%–22%
18%–26%
約 74%
約 60%
手寫便條
難以評估(多數失敗)
難以評估(多數失敗)
約 35%
約 40%
蓋章文件
12%–20%
15%–24%
約 70%
約 62%
手機拍攝收據
14%–25%
12%–20%
約 65%
約 72%
值得注意的是最後一列:手機拍攝收據反而是 Evernote 略勝。這很合理,因為 Evernote 的相機掃描會做透視校正與陰影處理,等於在 OCR 之前先幫你把影像修好;Paperless-ngx 如果直接收原始手機照片,前處理沒那麼積極,表現自然受影響。這也說明了一件事:OCR 的成敗有一半發生在「進系統之前」。
五、歸檔流程與自動化:真正拉開差距的地方
如果說 OCR 是入場券,那歸檔流程就是長期留下來的理由。這一段的差距,比 OCR 的差距更值得你重視。
5-1 Paperless-ngx 的自動分類規則:設定一次,終身受用
Paperless-ngx 最強的地方,在於它把「歸檔」變成規則問題而不是手工問題。你可以設定多條比對規則,條件可以是檔名、內容文字、掃描來源等,動作可以是自動指定通訊者、貼上標籤、指定文件類型、放進特定儲存路徑。規則可以設定優先順序,也可以只「建議」而不自動套用。
實際運作起來會是這樣:你把掃描器設成掃完自動丟進 consume 資料夾,系統收到「台電电費通知單」的 PDF,比對到內容含「台灣電力公司」,自動標記通訊者為台電、文件類型為「公用事業帳單」、標籤加上「2025」「待繳」,然後依照儲存路徑規則放到對應資料夾。整個過程你完全不用動手。
當你的紙本量到了「每月幾十份」的規模,這種自動化的價值會直接反映在時間上。而且規則設定是累積的——前三個月你會花時間調規則,之後幾乎是零成本。
此外,Paperless-ngx 支援 Email 收件匣:把電子帳單轉寄到指定信箱,系統自動收下並歸檔。這對「一半紙本、一半電子」的混合情境非常實用。
5-2 Evernote 的筆記本與標籤體系:彈性高,但靠自律
Evernote 的分類工具是「筆記本」加「標籤」,本質上是手動的。你可以建立「2025 帳單」筆記本,為每則筆記貼上「已繳」「醫療」等標籤,但沒有規則引擎幫你自動判斷。好處是彈性極高、沒有學習曲線;壞處是當數量一多,你會開始出現「這則到底該放哪個筆記本」的決策疲勞。
Evernote 的搜尋能力可以彌補一部分問題——只要標題寫得清楚、關鍵字有出現在內文或 OCR 文字層,你還是能靠搜尋找到。但這套模式的前提是「你願意持續維護一致性」。實務上,多數人用了兩三年後會出現命名混亂、標籤爆炸的狀況。
另外,Evernote 的批次操作能力相對有限。一次要匯入 200 份歷史文件時,你得靠匯入資料夾的方式處理,而且每份檔案會變成一則獨立筆記,後續分類仍要手動。這一點在「大掃除式數位化」的情境下會非常痛苦。
5-3 掃描端流程:手機、掃描器、Email 三條路
把文件「送進系統」的方式,兩邊各有擅場:
@evernote 轉寄信箱,但分類仍需手動。這也是為什麼很多進階使用者最後會選擇「混搭」:日常隨手拍的東西丟 Evernote,正式文件與大量紙本交給 Paperless-ngx。這個策略在後面結論會再展開。
六、成本、隱私與長期維護:多數評測不談,但最關鍵
選工具不能只看功能,還要看你三年後還願不願意維護它。這一段談的是「總持有成本」,包括金錢、時間與風險。
6-1 費用結構:訂閱費 vs 隱形成本
Paperless-ngx 軟體本身免費,但「免費」不代表零成本。你需要:
一台可以 24 小時運作的機器(NAS、迷你主機、樹莓派或雲端 VPS)。
電費與網路(如果自架在家中)。
你的時間:初期建置約半天到一天,之後每月花一點時間看更新與備份狀態。
Evernote 則是明確的訂閱費,換來零維護。對不擅長系統維運的人來說,這筆錢花得值得;但要注意方案內容與限制變動頻繁,長期成本不易預估。
粗略的判斷原則是:如果你已經有一台 NAS 或常開的主機,Paperless-ngx 的邊際成本極低;如果你連一台常開的機器都沒有,那 Evernote 的訂閱費其實是在幫你買「不用管伺服器」這件事。
6-2 資料主權與備份策略
Paperless-ngx 的資料結構非常透明:原始 PDF 存在 media 資料夾,資料庫存 metadata,備份就是「備份這兩個東西」。你可以用 rsync、用 NAS 快照、用雲端備份服務,完全自主。就算有一天不想用了,檔案還在硬碟裡,隨時可以搬走。
Evernote 的資料在雲端,你能做的是定期匯出。匯出格式(ENEX)可以保留文字與附件,但有些結構(例如部分中繼資料、筆記連結)在匯出再匯入後可能不完全一致。這不是 Evernote 獨有的問題,所有雲端筆記服務都有類似限制,但對於「要把資料放十年」的人來說,這是必須納入考量的風險。
實務建議:無論你用哪一套,都應該建立「每年一次完整匯出」的習慣。這不是對服務不信任,而是對自己的資料負責。
6-3 版本更新與「不被鎖定」
Paperless-ngx 是開源專案,更新由社群維護。好處是沒有「廠商倒閉」風險,程式碼就在那裡;壞處是升級偶爾會有 breaking change,需要看 release note。建議做法是:固定使用 Docker image 的版本標籤,不要用 latest,升級前先備份、先看公告。
Evernote 這幾年的產品調整幅度不小,包含功能取捨與方案變動。對使用者來說,這意味著「今天適用的工作流程,明年不一定還適用」。如果你打算把整套文件歸檔策略壓在單一雲端服務上,最好保留一條「隨時可以走」的退路。
七、三種典型情境:你該選哪一套?
講了這麼多,最後還是要回到「你是誰」。以下用三種常見情境給出建議。
7-1 家庭帳單與保單:Paperless-ngx 的甜蜜點
如果你家的紙本量是「每月十到三十份」,內容是帳單、保單、保證書、稅單、小孩的成績單與獎狀,那我會毫不猶豫推薦 Paperless-ngx。
理由很簡單:這類文件有明確的「對象」(水電公司、保險公司、學校)與「類型」(帳單、合約、證明),正好對應 Paperless-ngx 的通訊者與文件類型欄位。規則設定一次,之後幾乎全自動。而且家庭文件通常需要保存五年以上,資料主權與備份的重要性遠高於「手機拍一下」的便利。
建置建議:一台入門 NAS 或迷你主機就夠,搭配一台支援自動進紙的掃描器(或甚至用一支堪用的手機掃描 App 定期批次上傳)。記得把備份設成自動,並至少留一份在異地。
7-2 接案工作室與小型公司:先 Paperless-ngx,Evernote 當輔助
小型團隊的需求通常是「合約、報價單、發票、往來信件」都要留底,而且要能在客戶打電話來時三秒內翻出上次的合約版本。這種情境下,Paperless-ngx 的自動分類與複合搜尋幾乎是為你設計的。
但團隊成員不一定都願意學新工具。實務上常見的做法是:正式文件進 Paperless-ngx,會議紀錄與臨時筆記留在團隊慣用的筆記工具。兩者之間用連結或關鍵字對應,不需要勉強統一。
要注意的是,Paperless-ngx 的權限管理相對簡單,如果公司有「不同部門不能互相看到文件」的需求,要多花點心思規劃(例如用多個實例或反向代理層的驗證)。
7-3 大量紙本、需要稽核軌跡的組織:Paperless-ngx 為基礎,但要有配套
如果你的紙本是「每年數千份」等級,而且有法規遵循、稽核、保存年限的要求,那 Paperless-ngx 可以當中核心,但它不是萬靈丹。你需要額外考慮:
掃描流程的品質管制(誰掃、何時掃、如何確認沒漏頁)。
備份的 3-2-1 策略與還原演練。
版本升級的變更管理。
若有電子簽章或法律效力需求,需確認掃描檔是否符合相關規範。
這種規模下,工具只是其中一部分,流程設計才是重點。Evernote 在這個量級基本上不適合,因為它的批次處理與權限設計不是為此而生。
八、結論:不是二選一,而是分層思考
回到最初的問題:Paperless-ngx 與 Evernote,誰更適合文件掃描歸檔?
如果只能選一個,而且你的文件是有「長期保存價值」的正式文件,我會選 Paperless-ngx。它的 OCR 品質在繁體中文與表格上較穩定,自動分類規則是真正能省下時間的設計,資料主權與備份彈性也遠勝雲端服務。代價是你得接受「自己維護」這件事——但換來的是十年後檔案還在、還搜得到、還能帶走。
如果你要的是「隨手記、隨手拍、跨裝置查」,而且文件以短期參考為主(收據、名片、臨時備忘),那 Evernote 的體驗仍然是同類產品中數一數二順暢的。它在手機掃描這條路上的優勢,短期內很難被自架方案取代。
而最務實的答案,其實是分層:
三層之間用一致的命名邏輯串起來(例如都包含日期+對象+文件類型),未來不管換哪一套工具,你都不會重來一次。
最後給一個實務建議:不要等到「資料整理好」才開始建系統。先從最近三個月的文件開始,跑一次完整的掃描→OCR→分類→搜尋流程。你會很快發現自己的規則哪裡不夠用、哪些文件根本不需要保存。系統是從使用中長出來的,不是從規劃中長出來的。
常見問題
Q1:Paperless-ngx 的 OCR 支援繁體中文嗎?需要額外設定嗎?
支援。Paperless-ngx 使用 Tesseract,繁體中文對應的語言包是 chi_tra。部署時需要在環境變數中指定 OCR 語言(例如 PAPERLESS_OCR_LANGUAGE=chi_tra+eng),並確認容器內已安裝對應的訓練資料。若文件常有中英混排,建議同時掛上 eng,辨識率會比只用單一語言好。設定完成後,新匯入的文件就會自動套用;舊文件則需要重新執行 OCR。
Q2:Evernote 的 OCR 是即時的嗎?上傳後多久可以搜尋?
不是即時,而是在雲端非同步處理。圖片或 PDF 上傳完成後,需要等待伺服器完成 OCR,文字才會進入搜尋索引。處理時間依檔案大小與當下負載而異,通常幾秒到幾分鐘。如果是重要的文件,建議上傳後稍等再測試搜尋,確認文字層已建立。另外,部分進階的附件搜尋能力與方案有關,使用前請確認自己的方案內容。
Q3:兩套系統可以同時使用嗎?會不會資料重複?
可以同時使用,而且這是不少人的實際做法。建議用「文件性質」分工,而不是同一份文件兩邊都放。例如正式合約只進 Paperless-ngx,日常收據只進 Evernote,並在兩邊使用相同的命名規則(日期+對象+類型),需要時再用關鍵字交叉查找。若真的需要兩邊都留一份,建議把 Paperless-ngx 當「母檔」,Evernote 只放摘要與連結,避免版本不一致。
Q4:如果我不會用 Docker,還有其他選擇嗎?
有幾條路:一是使用社群維護的一鍵安裝腳本或 NAS 套件(部分 NAS 平台有社群套件);二是請熟悉的朋友或廠商協助建置一次,之後你只需要會備份與更新;三是改用托管型服務(由第三方代管 Paperless-ngx),但這會回到「資料在別人手上」的問題,需要自行評估。若完全不考慮自架,那 Evernote 這類雲端服務仍是門檻最低的選擇。
Q5:掃描解析度要設多少,OCR 才準?
一般文件建議 300 dpi,這是在檔案大小與辨識率之間最平衡的設定。字體極小的收據或發票可以提高到 400 dpi,但邊際效益遞減。反而是「彩色 vs 灰階」的影響更大:如果文件上有紅色印章或底色干擾,改用灰階掃描往往能明顯提升 OCR 準確度。另外,掃描前的紙張平整度、玻璃清潔度,對結果的影響常常比解析度更大。
本文為「雅寶社區 · 頂客論壇」軟體評測專欄實測內容。文中測試數據來自特定環境與小樣本,僅供參考;各軟體之功能、方案與限制可能隨版本更新而調整,實際使用前請以官方公告為準。若你要把本文的測試方法套用到自己的文件上,歡迎在論壇分享你的結果與調校心得。
💬 想說點什麼?
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →