techadmin
3e24aa2ecd
Datenverlust behoben: - Nach hartem Stopp blieb das Original in working/ liegen und wurde nie wieder angefasst (_scan_existing sah nur incoming/). Es wird jetzt beim Start an Ort und Stelle wieder aufgegriffen, mit Kollisionsschutz gegen gleichnamige neue Scans; angefangene __ocr_-Fragmente werden geloescht. - TimeoutStopSec 30 -> 300, damit laufendes OCR zu Ende laufen darf. Config-Drift sichtbar gemacht: - Neues --check-config (Exit 0 sauber / 1 Warnungen / 2 Fehler), das update.sh vor dem Neustart ueber alle Instanz-Configs laufen laesst. - Warnungen fuer [ocr].timeout >= 900 (seit 0.4.0 pro SEITE) und gesetztes pdfa_level, beim Dienststart wie im Check. - Unbekannte Config-Keys werden nicht mehr still verworfen, sondern genannt. Updater feldtauglich: - venv-Health-Check erkennt toten Symlink UND Versions-Drift gegen das System-Python; --rebuild-venv als ausdruecklicher Weg nach einem Debian- Major-Upgrade. Neubau ist ganz-oder-gar-nicht mit Rollback. - apt-Pakete werden auch beim Update synchronisiert (Quelle: install.sh). - Instanz-Erfassung inkl. activating/failed, Verifikation prueft is-failed und NRestarts statt sleep 1 + is-active. - Backup enthaelt Configs, Unit, Drop-ins und pip-freeze.txt, liegt auf 0600 und rotiert auf 5; schlaegt es fehl, bricht das Update vorher ab. - ERR-Trap faehrt die vorher laufenden Instanzen wieder hoch. - lxc-compat.conf wird beim Update nachgezogen. - requirements.txt gepinnt (ocrmypdf 16.13.0, geprueft fuer Python 3.11+3.13). Doku in Installation / Update / OS-Upgrade aufgeteilt (docs/). 135 Tests gruen. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
106 lines
3.5 KiB
TOML
106 lines
3.5 KiB
TOML
# PDF OCR Hotfolder — Konfiguration
|
|
# Vorlage — install.sh erzeugt daraus pro Instanz /etc/pdf-ocr-hotfolder/<instanz>.toml
|
|
|
|
[paths]
|
|
# Eingangsverzeichnis: hier landen gescannte PDFs
|
|
incoming = "/var/lib/pdf-ocr-hotfolder/incoming"
|
|
# Ausgangsverzeichnis: fertige durchsuchbare PDFs
|
|
outgoing = "/var/lib/pdf-ocr-hotfolder/outgoing"
|
|
# Arbeitsverzeichnis (während Verarbeitung)
|
|
working = "/var/lib/pdf-ocr-hotfolder/working"
|
|
# Fehlerverzeichnis: PDFs, die nicht verarbeitet werden konnten
|
|
error = "/var/lib/pdf-ocr-hotfolder/error"
|
|
|
|
[ocr]
|
|
# Tesseract-Sprachen (z.B. "deu", "deu+eng")
|
|
languages = "deu+eng"
|
|
# Anzahl Threads pro PDF (ocrmypdf --jobs)
|
|
jobs = 4
|
|
# Bereits OCR-haltige Seiten überspringen statt neu zu OCRen
|
|
skip_text = true
|
|
# Auflösung für gerasterte Seiten
|
|
oversample = 300
|
|
# PDF/A-Konformitätsstufe ("1", "2", "3" oder leer für keinen PDF/A-Output)
|
|
# ACHTUNG: Ghostscript 10.0.0 bis 10.02.0 (Debian 12 default!) haben einen Bug,
|
|
# der mit pdfa_level + skip_text=true ocrmypdf komplett blockiert.
|
|
# Sicherer Default ist "" — nur auf "1"/"2"/"3" setzen, wenn gs >= 10.02.1 installiert ist.
|
|
pdfa_level = ""
|
|
# Schiefe Scans automatisch begradigen
|
|
deskew = true
|
|
# Hintergrund säubern
|
|
clean = false
|
|
# Maximale parallele PDFs (Hauptsystem hat selten mehr als 1-2 gleichzeitig)
|
|
max_workers = 2
|
|
# Max. Sekunden, die Tesseract pro SEITE laufen darf (0 = kein Limit).
|
|
# ocrmypdf kennt kein Gesamt-Timeout pro Dokument, nur dieses Seiten-Limit
|
|
# (ocrmypdf-Option --tesseract-timeout). Läuft eine Seite in den Timeout,
|
|
# wird sie ohne Textebene ins Ergebnis übernommen; die Verarbeitung der
|
|
# restlichen Seiten läuft weiter.
|
|
# 0 = wir geben kein Limit vor und überlassen es dem ocrmypdf-Default.
|
|
timeout = 300
|
|
|
|
[output]
|
|
# Wie soll die Ziel-Datei im outgoing/-Ordner benannt werden?
|
|
# "prefix" : name_tag wird vor den Dateinamen gestellt (OCR_scan.pdf)
|
|
# "suffix" : name_tag wird vor die Extension gestellt (scan_OCR.pdf)
|
|
# "none" : Dateiname bleibt wie das Original
|
|
name_mode = "prefix"
|
|
# Verbatim einzufügender String. Leerer String = kein Tag (wie mode="none").
|
|
# Beispiele: "OCR_", "[OCR]_", "_OCR", "_searchable"
|
|
name_tag = "OCR_"
|
|
# Was passiert mit dem Original, wenn OCR erfolgreich war?
|
|
# "delete" : Original wird gelöscht (alter Standard)
|
|
# "archive" : Original wird in archive_dir verschoben
|
|
original_on_success = "delete"
|
|
# Absoluter Pfad; nur relevant wenn original_on_success = "archive"
|
|
archive_dir = ""
|
|
|
|
[verapdf]
|
|
# PDF/A-Validierung (optional)
|
|
enabled = false
|
|
binary = "/opt/verapdf/verapdf"
|
|
flavour = "1b"
|
|
|
|
# Upload-Ziele — beliebig viele aktivierbar.
|
|
# Wenn alle deaktiviert sind, bleibt das fertige PDF einfach im outgoing-Ordner.
|
|
|
|
[upload.folder]
|
|
enabled = true
|
|
# Wenn leer, wird [paths].outgoing verwendet
|
|
target = ""
|
|
|
|
[upload.nextcloud]
|
|
enabled = false
|
|
url = "https://cloud.example.com"
|
|
username = "scanuser"
|
|
password = "app-password"
|
|
# Zielpfad relativ zum User-Root, z.B. "Scans/Inbox"
|
|
remote_path = "Scans/Inbox"
|
|
verify_ssl = true
|
|
|
|
[upload.sftp]
|
|
enabled = false
|
|
host = "sftp.example.com"
|
|
port = 22
|
|
username = "scanuser"
|
|
# Entweder Key-Datei oder Passwort
|
|
key_file = "/etc/pdf-ocr-hotfolder/sftp_key"
|
|
password = ""
|
|
remote_path = "/uploads"
|
|
|
|
[notify.email]
|
|
enabled = false
|
|
smtp_host = "smtp.example.com"
|
|
smtp_port = 587
|
|
smtp_user = "alerts@example.com"
|
|
smtp_password = "secret"
|
|
use_starttls = true
|
|
from_addr = "PDF OCR Hotfolder <alerts@example.com>"
|
|
to_addrs = ["admin@example.com"]
|
|
# Wann benachrichtigen: "always" | "errors" | "never"
|
|
on = "errors"
|
|
|
|
[logging]
|
|
# DEBUG | INFO | WARNING | ERROR
|
|
level = "INFO"
|