datashare
Plataforma open source auto-alojada para búsqueda y análisis documental desarrollada por ICIJ, especializada en periodismo de investigación a gran escala con soporte OCR y extracción de entidades.
Ficha actualizada 26 sept 2026, 21:06 · upstream 26 sept 2026, 17:02 · release 21.21.0
Qué es datashare
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Datashare es una plataforma de búsqueda y análisis documental auto-alojada desarrollada por el International Consortium of Investigative Journalists (ICIJ). Diseñada específicamente para periodismo de investigación, ingesta documentos heterogéneos incluyendo PDFs, correos electrónicos, hojas de cálculo, imágenes y archivos comprimidos. El sistema extrae texto mediante OCR, enriquece los datos con metadatos y entidades nombradas, y expone todo a través de una interfaz web potente y una API REST.
- Investigación periodística a gran escala donde se necesitan analizar millones de documentos manteniendo el control sobre datos sensibles sin depender de servicios en la nube
- Auditorías internas en organizaciones grandes que requieren herramientas de búsqueda avanzada con filtrado complejo mediante operadores booleanos, wildcards y consultas difusas
- Equipos de investigación colaborativa multiusuario con etiquetas compartidas, recomendaciones entre miembros del equipo y gestión de favoritos para documentos clave
- Análisis forense digital donde se requiere OCR para convertir imágenes escaneadas o faxes en texto buscable junto con extracción automática de entidades como personas, organizaciones y ubicaciones
- OCR integrado que convierte visual text into searchable text para documentos escaneados e imágenes
- Arquitectura modular con plugin system que permite extender funcionalidad con módulos personalizados
- Soporte nativo para múltiples formatos incluyendo PDFs, emails, spreadsheets, images y archives
- Licencia AGPLv3 que garantiza software abierto permitiendo auditorías de seguridad completas
- Extracción automática de named entities como personas, organizaciones, ubicaciones y correos electrónicos
- Interfaz web construida con Vue 3 en repositorio separado para frontend modular
- Complejidad técnica alta con requisitos específicos de JDK 21 y Maven que pueden ser barreras para usuarios menos técnicos
- Dependencia de múltiples servicios externos como Elasticsearch, PostgreSQL y Redis que requieren configuración cuidadosa de red
- Frontend en repositorio separado añade complejidad a las actualizaciones y despliegues coordinados
- Requiere al menos 4 núcleos CPU y 4GB RAM para funcionamiento óptimo según especificaciones técnicas
- No incluye Dockerfile nativo aunque proporciona docker-compose.yml para orquestación de servicios
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Utilizar docker-compose.yml para orquestar todos los servicios necesarios incluyendo PostgreSQL, Elasticsearch, Redis y S3/MinIO. Configurar correctamente variables de entorno y asegurar conectividad entre componentes. Requiere JDK 21, Maven 3.8+ y PostgreSQL 13+. Para desarrollo usar make devenv para generar configuración local. El frontend debe construirse por separado y copiarse al directorio ./app antes del despliegue final.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.