日本語の書類をpaperless-ngxで貯める（日本語導入・運用キット）
紙とPDFの書類を検索できる形で一箇所に貯めるOSS「paperless-ngx」を、日本語の請求書・契約書で実用になる状態まで持っていく手順書＋テンプレート一式。当社実測: 日本語の全文検索は追加設定なしで効き、「業務委託契約書」を「委託」でも「契約書」でも引ける。一方でOCRは3か所直さないと日本語が読めず、しかも2か所は間違えてもエラーが出ない。定番とされる jpn+eng 設定は見出し「請求書」を「Ake」に壊すこと、縦書きの jpn_vert が無言でスキップされること、自動分類の「単語一致」が日本語では当たらず正規表現が必要なことを、すべて実機で測って記載。公式ファイルをコピーしただけでは起動しない理由と対処、日本の書類12種類の分類定義、動作判定スクリプト、OCR確認用の日本語見本PDFを同梱。
入手方法は3つあります
同じゴールに、あなたに合う入口からどうぞ。
| ①完成品を購入 | すぐ使いたい方向け。このページで購入し、即ダウンロード（ソースコード付き・5,500円税込）。AIで自社向けに改変できます。 |
|---|---|
| ②この商品を自社仕様に | 「うちの業種・業務に合わせてほしい」方向け。バイブカスタマイズ（110,000円税込）で、この商品を土台に当社が変更します。動くデモを確認してからのお支払いです。 バイブカスタマイズを見る |
| ③ゼロから作る | 近い商品が無い、または業務そのものが特殊な方向け。設計書から作るバイブプロトタイプ制作（330,000円税込）です。 バイブプロトタイプ制作を見る |
日本語導入・運用キットとは
日本語導入・運用キットとは、紙とPDFの書類を検索できる形で一箇所に貯めるOSS「paperless-ngx」を、日本語の請求書・契約書で実用になる状態まで持っていく手順書＋テンプレート一式。
何のためのものか
紙とPDFの書類を、後から検索できる形で一箇所に貯めるための導入キットです。請求書・契約書・報告書・議事録を、社内の誰でも探せる状態にします。
対象はオープンソースの paperless-ngx（GPL-3.0・GitHubスター約44,800）。取り込んだPDFや画像を裏でOCRにかけ、文字にして索引を作り、タグや書類の種類を自動で当ててくれます。
ただし既定の設定は英語圏の書類向けです。日本語の請求書をそのまま流し込むと、順番につまずきます。このキットは、そのつまずきを実機で全部踏んだ記録です。
当社が実際に測った結果
| 項目 | 実測値 |
|---|---|
| 検証環境 | 公式イメージ + PostgreSQL 18 + Valkey + Tika + Gotenberg |
| 日本語の全文検索 | 追加設定なしで効く |
| 複合語の分解 | 「業務委託契約書」を「業務委託」「委託契約」「契約書」のどれでも引ける |
| 空振りの対照 | 文書に無い語（沖縄・賃貸借・領収書）はすべて0件 |
| 日本語OCR | 3か所の設定変更が必要。うち2か所は間違えてもエラーが出ない |
| 読み取り精度（設定後） | 社名・件名・日付・金額・口座番号をすべて正確に読めた |
| 画面の日本語化率 | 利用者が使う画面は1,422項目中1,420項目（99.9%） |
| 管理画面の日本語化率 | 665項目中460項目（69%）。未訳は新機能の設定に偏る |
このキットが解く問題（すべて当社が実機で踏んだもの）
1. 公式のファイルをコピーしただけでは起動しません
公式が配る設定ファイルには PAPERLESS_SECRET_KEY=change-me と書かれており、本体はこの値だと起動を拒否します。しかもコンテナが再起動を繰り返すだけなので、docker compose up -d は成功したように見えます。ログを見るまで気づけません。
2. 日本語のOCRデータは、既定では入っていません
公式イメージに入っているのは英語・ドイツ語・イタリア語・スペイン語・フランス語だけです。
3. 縦書きは、1文字違うと黙って無視されます
縦書きのデータ名は jpn_vert ですが、指定するのはパッケージ名の jpn-vert（ハイフン）です。jpn_vert と書くと「Package not found」で飛ばされ、コンテナはそのまま正常に起動します。横書きは読めるので、縦書きだけ読めない状態が気づかれないまま続きます。
4. 「安全のため jpn+eng」が、日本語を壊します
多くの解説記事が勧める設定ですが、日本語主体の書類では逆効果でした。同じ請求書で設定だけ変えた実測です。
| 設定 | 見出しの読み取り |
|---|---|
jpn（既定のページ分割） |
求書 |
jpn+eng（既定のページ分割） |
Ake |
jpn ＋ ページ分割6 |
請求書 |
本文（社名・金額・日付）は jpn+eng でも読めます。壊れるのは大きな文字だけです。そして書類でいちばん大きい文字は、たいてい「請求書」「見積書」「契約書」という書類の種類そのものです。
5. 自動分類が当たらない本当の理由
一般的な案内は一致方法に「単語のいずれか」を勧めます。日本語では当たりません。 単語を空白で区切って判定しているためです。
| 一致方法 | 指定した語 | 結果 |
|---|---|---|
| 単語のいずれか | 業務委託 | 当たらない（業務委託契約書の一部なので） |
| 単語のいずれか | 株式会社エクスブリッジ | 当たる（前後に空白があるので） |
| 正規表現 | 業務委託 | 当たる |
日本語の書類のどこに空白が入るかは、OCRの結果次第です。設計の土台にできません。
6. OCRの失敗は、分類の失敗として現れます
同じPDFを2通りの設定で取り込んだ結果です。
| 取り込み設定 | 見出しの読み取り | 「請求書」に分類されたか |
|---|---|---|
jpn+eng ＋ 既定 |
ARS | されない |
jpn ＋ ページ分割6 |
請求書 | される |
分類が当たらないとき、条件をいじる前に見るべきはOCRです。
同梱物
| 場所 | 内容 |
|---|---|
docs/ |
手順書8章（導入・日本語OCR・検索・分類設計・取り込み・運用・つまずき集） |
docker-compose.yml |
公式の PostgreSQL + Tika 構成 |
docker-compose.env.sample |
環境変数のひな形。日本語OCRの3設定を理由つきで記載 |
templates/document_types.json |
日本の書類12種類の分類定義。すべて正規表現で設定済み |
templates/tags.json |
状態・部署・年度のタグ10種 |
templates/storage_paths.json |
年度と種類で切る保存先。やめるときの保険になります |
templates/ocr_sample.pdf |
日本語の見本請求書。OCR確認用 |
scripts/healthcheck.sh |
日本語で使える状態かを判定（言語データ・設定・処理待ち） |
scripts/ocr_check.sh |
見本を投入して読み取り結果を6項目で判定 |
scripts/apply_templates.sh |
分類のひな形を一括で取り込む |
scripts/bulk_import.sh |
過去の書類をまとめて投入。処理待ちを見ながら分割 |
scripts/backup.sh |
書き出しと世代管理 |
scripts/collect_diag.sh |
相談用の情報収集（鍵とパスワードは伏せます） |
スクリプトはすべて実機で動作を確認しています。
手順書の内容
| 章 | 内容 |
|---|---|
| 01 | 導入。起動しない理由と対処、公開時の注意 |
| 02 | 日本語OCR。3つの設定を、測定結果とともに |
| 03 | 日本語の全文検索。どこまで引けるかの実測 |
| 04 | 日本の書類に合わせた分類の設計。一致方法の選び方 |
| 05 | 取り込み経路。複合機・メール・API・AI-OCRの外付け |
| 06 | 運用。バックアップ・更新・権限・電子帳簿保存法との関係 |
| 07 | つまずき集と、英語のまま残る画面の読み替え表 |
こんな会社に向いています
- 請求書や契約書が紙とPDFで散らばっていて、探すのに毎回時間がかかっている
- クラウドの文書管理サービスに、自社の書類を置きたくない
- 有料の文書管理システムを入れる前に、まず社内で試したい
- 過去数年分の書類をまとめて検索できるようにしたい
動作条件
- Docker Engine と Docker Compose v2 が動くサーバー（CPU 2コア・メモリ4GB以上）
- ディスクは、元の書類の約2倍を見込んでください
- 手書きの読み取りには対応しません（外部AI-OCRとの連携方法は第5章に記載）
ライセンス
paperless-ngx 本体は GPL-3.0 です。本キットの文書とスクリプトは、購入者の組織内での利用・改変を許諾します。再配布・再販売はご遠慮ください。
販売情報
| 開発元 |
株式会社エクスブリッジ https://exbridge.jp/ |
|---|---|
| 𝕏 アカウント | @xb_bittensor |
| デモサイト | https://katsushi2441.github.io/vwork/articles/2026-09-05-paperless-ngx-japanese-ocr.html |
| 配布ファイル | paperless-ngx-kit.zip （79 KB） |
| 公開日 | 2026年9月5日 |
ご購入前に必ずお読みください
- これはプロトタイプです。動作を保証していません。お客様の環境 （サーバー・PHPのバージョン・通信の制限など）によっては、そのままでは動かない可能性があります。
- AIエージェント（Claude Code / Codex など）を使えることが前提です。 設置も、つまずいたときの解決も、AIに相談しながらご自身で進めていただく前提の商品です。 手順書・設計書・AI向け指示書を同梱しています。
- お問い合わせに必ずお応えできるとは限りません。 購入代金に個別サポートは含まれていません（有償のサポートは別途承ります）。
- ノークレーム・ノーリターンでお願いいたします。 ダウンロード商品の性質上、ご購入後の返品・返金はお受けできません。 必ずデモを触って、ご自身の目で確かめてからご判断ください。
そのほかの条件
- 設置には、PHPが動作するレンタルサーバー等のご用意が必要です。詳細は各アプリの説明をご確認ください。
- ソースコードは改変・再配布が可能です。ライセンスは同梱の LICENSE をご確認ください。
よくある質問
ライセンスは？
MITライセンスです。ソースコードを同梱し、商用利用・改変・再配布が自由に行えます。
購入前に試せますか？
はい。デモで実際に触って、気に入ってから購入できます（https://katsushi2441.github.io/vwork/articles/2026-09-05-paperless-ngx-japanese-ocr.html）。
AIエージェントで改造・拡張できますか？
できます。Claude Code等のAIエージェント向けの設計マニュアルが付属し、触れてよい範囲を宣言したうえで安全に変更を頼めます。
買い切りですか？月額はありますか？
買い切りです。月額料金はありません。
