紙とPDFの書類を、検索できる形で一箇所に貯めるオープンソース paperless-ngx を、日本語の請求書と契約書で実用になるところまで詰めました。
結論を先に書きます。日本語の全文検索はそのままで十分に効きます。 一方で OCRは3か所直さないと日本語が読めず、自動分類は設定を1つ変えないと当たりません。 しかも間違えたときにエラーが出ないものが2つあります。黙って読めていないだけです。
実機で測った結果だけを書きます。
公式イメージ、PostgreSQL 18 + Valkey + Tika + Gotenberg の構成です。日本語の請求書と契約書、それにスキャン相当の画像PDFを流し込んで確認しました。
本題の前に。公式が配布している設定ファイルには、こう書かれています。
そして本体は、この値が change-me のままだと起動を拒否します。
つまり**公式のファイルをそのままコピーすると、必ず起動しません。
この記事は要約版です。続き（残りの話題・実装の詳細）は元記事でどうぞ:
paperless-ngxで日本語の請求書を貯める——定番とされる jpn+eng 設定が見出しを『Ake』に壊す実測と、日本語で自動分類を効かせる正解
