إنشاء فهرس بحث مخصص java باستخدام GroupDocs.Search
في التطبيقات الحديثة التي تتعامل مع مستندات كثيرة، إنشاء custom search index java يحترم تفاصيل النص الخاص بك — مثل الشرطات، والشرطة السفلية، أو الرموز الخاصة باللغات — أمر أساسي لاسترجاع سريع ودقيق. يشرح هذا الدرس كيفية تكوين التعرف على الأحرف في GroupDocs.Search for Java، مع تغطية كل من الأحرف العادية (حروف، أرقام، شرطة سفلية) والأحرف المدمجة (مثل الشرطات). في النهاية، ستتمكن من تخصيص فهرس يلبي الاحتياجات الدقيقة لتقنيات OCR أو البحث عن الصور، سواء كنت تفهرس أرقام القضايا القانونية، أو مستودعات الشيفرة المصدرية، أو ملفات PDF متعددة اللغات.
إجابات سريعة
- ماذا يعني “create custom search index”? يعني ذلك تكوين فهرس يعامل الرموز المحددة كحروف أو أحرف مدمجة، بدلاً من تجاهلها.
- ما المكتبة المستخدمة؟ GroupDocs.Search for Java (v25.4 at the time of writing).
- هل أحتاج إلى ترخيص؟ النسخة التجريبية المجانية تكفي للتطوير؛ الترخيص المدفوع مطلوب للإنتاج.
- هل يمكنني فهرسة كل من ملفات PDF والصور؟ نعم — يدعم GroupDocs.Search تقنية OCR على الصور وملفات PDF عند تكوينه بشكل صحيح.
- هل Maven مطلوب؟ Maven هو الطريقة الموصى بها لإدارة الاعتمادات، لكن يمكنك أيضًا استخدام Gradle أو ملفات JAR يدوية.
ما هو custom search index java؟
الـ custom search index java هو بنية بيانات قابلة للبحث يمكنك تشكيلها عن طريق تحديد أي الأحرف تُعامل كحروف، أرقام، أو رموز مدمجة. بشكل افتراضي، يتم تجاهل العديد من الرموز، مما قد يؤدي إلى فقدان مطابقة للمعرفات مثل أرقام القضايا (2023-AB-456) أو مقتطفات الشيفرة (my_variable). تعديل قاموس الأبجدية يمنحك سيطرة كاملة على عملية التجزئة، مما يؤدي إلى صلة أعلى وسرعة أكبر في تنفيذ الاستعلامات.
لماذا تكوين الأحرف العادية والدمجية لأرقام القضايا القانونية؟
معاملة الشرطات والشرطات المائلة كأحرف مدمجة تحافظ على تجميع الرموز ذات الصلة معًا، مما يمنع تقسيم غير مرغوب فيه للمعرفات مثل أرقام القضايا، رموز المنتجات، أو مسارات الملفات. هذا التكوين optimizes search index performance عن طريق تقليل تجزئة الرموز ويحسن الصلة للمحتوى الناتج عن OCR، خاصةً عند التعامل مع المستندات القانونية التي تعتمد بشكل كبير على المعرفات المهيكلة.
المتطلبات المسبقة
- JDK 8 أو أحدث مثبت.
- Maven لإدارة الاعتمادات.
- الوصول إلى مكتبة GroupDocs.Search for Java (تم تنزيلها عبر Maven أو الموقع الرسمي).
المكتبات والاعتمادات المطلوبة
أضف مستودع الاعتماد وإدخالات الاعتماد إلى ملف pom.xml الخاص بك (كما هو موضح أدناه). يجب أن يظل كتلة XML دون تغيير.
<repositories>
<repository>
<id>repository.groupdocs.com</id>
<name>GroupDocs Repository</name>
<url>https://releases.groupdocs.com/search/java/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>com.groupdocs</groupId>
<artifactId>groupdocs-search</artifactId>
<version>25.4</version>
</dependency>
</dependencies>
يمكنك أيضًا تنزيل أحدث ملفات JAR من GroupDocs.Search for Java releases.
الحصول على الترخيص
- Free trial – مثالي للتجارب الأولية.
- Temporary license – مفيد لدورات تطوير أطول.
- Production license – مطلوب للنشر التجاري.
احصل على ترخيص من البوابة الرسمية: GroupDocs.
التهيئة الأساسية
المقتطف أدناه يوضح الحد الأدنى من الشيفرة اللازمة لإنشاء فهرس فارغ. فئة Index هي المكوّن الأساسي الذي يخزن ويدير البيانات القابلة للبحث. احتفظ بها كما هي؛ سنبني عليها لاحقًا.
import com.groupdocs.search.*;
public class GroupDocsSearchSetup {
public static void main(String[] args) {
String indexFolder = "YOUR_OUTPUT_DIRECTORY";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
Index index = new Index(indexFolder);
System.out.println("GroupDocs.Search setup completed!");
}
}
إعداد GroupDocs.Search for Java
التثبيت عبر Maven
تكوين Maven من قسم المتطلبات المسبقة هو كل ما تحتاجه. بعد إضافته، شغّل mvn clean install لجلب الحزم.
متطلبات إعداد البيئة
- تأكد من وجود index folder و document folder على القرص.
- استخدم مسارات مطلقة أو قم بتكوين IDE الخاص بك لحل المسارات النسبية بشكل صحيح.
دليل التنفيذ
فيما يلي نستعرض ميزتين مميزتين: regular characters و blended characters. كل ميزة تتبع نفس النمط — تحديد المسارات، إنشاء الفهرس، ضبط قاموس الأحرف، وأخيرًا فهرسة المستندات.
الميزة 1 – regular characters
نظرة عامة
تُعامل الأحرف العادية كرموز مستقلة. هذا مثالي عندما تريد أن تكون الأرقام، الحروف، والشرطة السفلية قابلة للبحث كما هي بالضبط.
تنفيذ خطوة بخطوة
1️⃣ إعداد المسارات
حدد أين سيتم تخزين الفهرس وأين توجد مستندات المصدر الخاصة بك.
String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/RegularCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
2️⃣ إنشاء وتكوين الفهرس
إنشاء نسخة من الفهرس ومسح أي تكوين أبجدية موجود مسبقًا.
Index index = new Index(indexFolder);
index.getDictionaries().getAlphabet().clear();
3️⃣ تعريف الأحرف العادية
بناء مصفوفة أحرف تشمل الأرقام، الحروف اللاتينية، والشرطة السفلية.
StringBuilder sb = new StringBuilder();
for (char i = 0x0030; i <= 0x0039; i++) { // Digits
sb.append(i);
}
for (char i = 0x0041; i <= 0x005A; i++) { // Latin capital letters
sb.append(i);
}
sb.append(0x005F); // Underscore
for (char i = 0x0061; i <= 0x007A; i++) { // Latin small letters
sb.append(i);
}
// Convert to character array and set as alphabet range
char[] characters = new char[sb.length()];
sb.getChars(0, sb.length(), characters, 0);
index.getDictionaries().getAlphabet().setRange(characters, CharacterType.Letter);
4️⃣ فهرسة المستندات
إضافة جميع الملفات من مجلد المصدر إلى الفهرس المُكوَّن حديثًا.
index.add(documentFolder);
الميزة 2 – blended characters
نظرة عامة
الأحرف المدمجة (مثل الشرطات) غالبًا ما تربط كلمتين. وضع علامة blended عليها يُخبر المحرك بالحفاظ على الرموز المجاورة معًا أثناء الفهرسة.
تنفيذ خطوة بخطوة
1️⃣ إعداد المسارات
String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/BlendedCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
2️⃣ إنشاء وتكوين الفهرس
Index index = new Index(indexFolder);
3️⃣ تعريف الأحرف المدمجة
هنا نخبر القاموس بأن الشرطة يجب أن تُعامل كحرف مدمج.
index.getDictionaries().getAlphabet().setRange(new char[] { '-' }, CharacterType.Blended);
4️⃣ فهرسة المستندات
index.add(documentFolder);
التطبيقات العملية
حالة الاستخدام 1 – إدارة المستندات القانونية
غالبًا ما تحتوي الملفات القانونية على أرقام قضايا مثل 2023-AB-456. من خلال تكوين الشرطة السفلية والشرطات، تعيد عمليات البحث مطابقة دقيقة دون تقسيم المعرف، مما يساعدك على search legal case numbers بكفاءة.
حالة الاستخدام 2 – مستودعات الشيفرة المصدرية
يحتاج المطورون إلى البحث في مقتطفات الشيفرة حيث تكون الشرطة السفلية (my_variable) والشرطات (my-function) ذات معنى. يضمن التعرف المخصص على الأحرف أن محرك البحث يحترم هذه الرموز.
حالة الاستخدام 3 – مجموعات البيانات متعددة اللغات
عند العمل مع لغات تستخدم أبجديات إضافية، يمكنك extend the Unicode character set لتشمل تلك النطاقات، مما يضمن نتائج بحث دقيقة عبر اللغات.
حالة الاستخدام 4 – فهرسة صور PDF
إذا كنت تقوم بفهرسة ملفات PDF الممسوحة ضوئيًا أو ملفات الصور، فإن مخرجات OCR غالبًا ما تحتوي على أحرف مختلطة. تكوين الأحرف العادية والدمجية بشكل صحيح optimizes search index للأداء للمحتوى القائم على الصور.
اعتبارات الأداء
- إدارة الموارد – راقب استخدام الذاكرة heap؛ الفهارس الكبيرة تستفيد من الالتزامات المتزايدة.
- جمع القمامة – حرّر كائنات
Indexعند الانتهاء للسماح لـ JVM باستعادة الذاكرة. - تحسين الفهرس – استدعِ
index.optimize()بشكل دوري (إن كان متاحًا) لضغط الفهرس وتحسين سرعة الاستعلام.
الخلاصة
أنت الآن تعرف how to create a custom search index java الذي يميز بين الأحرف العادية والدمجية باستخدام GroupDocs.Search for Java. هذه السيطرة الدقيقة تمكنك من بناء حلول بحث عالية الأداء ومراعية لـ OCR مخصصة للبيئات القانونية أو التطويرية أو متعددة اللغات.
الخطوات التالية
- جرّب نطاقات Unicode إضافية لأبجديات غير لاتينية.
- دمج تكوين الأحرف مع ميزات أخرى في GroupDocs.Search مثل التجذير أو المرادفات.
- إتاحة الفهرس عبر واجهة REST API للسماح لتطبيقات الواجهة الأمامية بإجراء عمليات بحث عبر HTTP.
الأسئلة المتكررة
س: ما هو هدف CharacterType.Letter؟
ج: إنه يخبر الفهرس بمعاملة الأحرف المقدمة كحروف عادية، بحيث يتم تجزئتها بشكل منفصل أثناء الفهرسة.
س: هل يمكنني خلط الأحرف العادية والدمجية في نفس الفهرس؟
ج: نعم — فقط استدعِ setRange لكل نوع؛ سيتعامل القاموس مع كلا التكوينين في آن واحد.
س: هل أحتاج إلى إعادة بناء الفهرس بعد تغيير الأبجدية؟
ج: بالتأكيد. تغييرات قاموس الأحرف تؤثر على التجزئة، لذا يجب عليك إعادة فهرسة المستندات لتطبيق القواعد الجديدة.
س: هل هناك حد لعدد الأحرف المخصصة التي يمكنني تعريفها؟
ج: تدعم المكتبة نطاق Unicode الكامل؛ قد تتدهور الأداء إذا أضفت مجموعة كبيرة جدًا، لذا حدِّدها للأحرف التي تحتاجها فعليًا.
س: كيف يؤثر هذا على دقة OCR؟
ج: من خلال مواءمة مجموعة أحرف الفهرس مع مخرجات محرك OCR، تقلل من السلبيات الكاذبة وتحسن الصلة العامة للبحث.
آخر تحديث: 2026-11-02
تم الاختبار مع: GroupDocs.Search 25.4 for Java
المؤلف: GroupDocs