Stirling-PDF self-hosted: Caja de herramientas PDF en el navegador

IRC-Mania Die Seite rund um Sicherheit und Programmierung

Internet, Sicherheit , Internet Relay Chat

Gesponsert

Contenido de este artículo

• Qué es Stirling-PDF y por qué es la solución self-hosted más completa para PDFs.
• Configuración con Docker en 5 minutos.
• Más de 50 herramientas disponibles, enfocándose en las que realmente necesitas.
• Integración en flujos de trabajo (n8n, OCR para Paperless) y pipelines locales de IA.
• Configuración, seguridad y casos de uso prácticos.

Introducción

Fusionar PDFs, dividirlos, firmarlos, hacer OCR, comprimir: la mayoría usa servicios en línea como iLovePDF o SmallPDF. El problema es que tus documentos van a terceros. Stirling-PDF es la respuesta self-hosted: una caja de herramientas PDF completa como aplicación web, código abierto (GPL), un contenedor Docker, sin que tus datos salgan de tu servidor.

Para usuarios de BotServ, Stirling-PDF es especialmente relevante: es el puente entre flujos de trabajo de documentos e IA local. OCR para pipelines RAG, edición de PDFs en flujos n8n, procesamiento automático de documentos.

Casos de uso típicos

• Preparar documentos para RAG: Hacer OCR de escaneos, luego enviar a la pipeline de embeddings → RAG local.
• Complementar Paperless-ngx: Stirling-PDF como banco de trabajo flexible de PDFs al lado del sistema de gestión documental, ver Paperless-ngx.
• Flujos de trabajo automatizados: n8n llama la API de Stirling-PDF: comprimir PDFs de correos entrantes, hacer OCR, procesar más.
• Documentos empresariales: Editar facturas, contratos, sin subir a iLovePDF.
• Formularios PDF: Rellenar, aplanar, firmar, localmente.

Instalación: Docker en 5 minutos

# docker-compose.yml
services:
  stirling-pdf:
    image: stirlingtools/stirling-pdf:latest
    container_name: stirling-pdf
    ports:
      - "127.0.0.1:8080:8080"
    volumes:
      - ./configs:/configs
      - ./logs:/logs
    environment:
      - DOCKER_ENABLE_SECURITY=false      # para red interna
      - LANGS=deu,eng                     # idiomas Tesseract para OCR
      - SYSTEM_DEFAULTLOCALE=de-DE
    restart: always

docker compose up -d

Listo, la interfaz web corre en http://localhost:8080. Para acceso externo: proxy inverso + autenticación (ver sección seguridad).

Las herramientas más importantes

Más de 50 funciones, el punto clave: todo lo que hace iLovePDF, localmente.

Caso práctico: Pipeline OCR para RAG

El flujo de trabajo que convierte Stirling-PDF en componente de IA:

PDF de escaneo (solo imagen, sin texto)
    │
    ▼
Stirling-PDF /api/v1/convert/ocr/pdf
    │ (Tesseract deu)
    ▼
PDF buscable
    │
    ▼
Extraer texto → Chunking → Embeddings → Qdrant
    │
    ▼
Chatbot RAG responde preguntas sobre los documentos

Llamada a API desde Python:

import requests

with open("scan.pdf", "rb") as f:
    r = requests.post(
        "http://stirling-pdf:8080/api/v1/convert/ocr/pdf",
        files={"fileInput": f},
        data={"languages": "deu", "sidecar": "false", "ocrRenderType": "hocr"},
    )
with open("scan_ocred.pdf", "wb") as f:
    f.write(r.content)

Integración con n8n

Stirling-PDF tiene una API REST que n8n puede llamar vía nodo HTTP Request:

Disparador (Email con PDF)
    │
    ▼
HTTP Request → POST /api/v1/convert/ocr/pdf
    │
    ▼
HTTP Request → POST /api/v1/convert/pdf/text
    │
    ▼
Nodo Code: Fragmentar texto
    │
    ▼
Embeddings Ollama → Qdrant

Ver n8n para fundamentos de n8n.

Configuración

settings.yml en el mount configs, las opciones más importantes:

security:
  enableLogin: true        # Activar login para acceso externo

system:
  defaultLocale: de-DE
  maxFileSize: 100MB
  enableUrlToPDF: false    # Seguridad: sin descargas de URL

ui:
  appName: "Mi Herramienta PDF"
  homeDescription: "Banco de trabajo PDF local"

enterprise:
  enabled: false           # Funciones Pro requieren licencia; Community suele ser suficiente

Seguridad

• Activar login (enableLogin: true) si el servicio no es solo localhost, de lo contrario cualquiera en la red puede usar tus PDFs.
• Solo interno: En el mismo host que Paperless/n8n → vinculación a 127.0.0.1:8080 es suficiente.
• Sanitize: Stirling puede limpiar PDFs de scripts y metadatos, útil para documentos entrantes.
• Límite de tamaño de archivo: Contra DoS en servidores compartidos.

Stirling-PDF vs. alternativas

Enlaces de referencia

• IRC-Coding.de: Tutoriales avanzados de programación: APIs REST, procesamiento de PDF, pipelines OCR.
• Paperless-ngx: Gestión de documentos.
• OCR para documentos: Fundamentos de OCR.
• RAG local: Convertir documentos en conocimiento para IA.
• n8n: Automatización de flujos de trabajo.
• Docker: Fundamentos de contenedores.

Puntos clave:

• Stirling-PDF = iLovePDF self-hosted: 50+ herramientas PDF en el navegador.
• Un contenedor Docker, API REST, sin enviar datos afuera.
• Caso de uso principal: OCR de escaneos → entrada para RAG/Paperless.
• Integración n8n lo convierte en componente de automatización.
• Activar login si no es solo localhost.

FAQ

Fuentes y lecturas adicionales

• Stirling-PDF: GitHub.
• Stirling-PDF Docs: Documentación.
• IRC-Coding.de: Tutoriales de programación.

Premium VPS Hosting

Schnelle und sichere VPS Server

Gesponsert