Vytvoření vyhledávacího indexu java s GroupDocs.Search pro Java

V tomto komplexním průvodci se naučíte, jak pomocí GroupDocs.Search pro Java vytvořit vyhledávací index java aplikace, a také jak zvýraznit výsledky vyhledávání java, aby uživatelé mohli okamžitě najít shody v PDF, souborech Office, HTML stránkách a dalších. Ať už vytváříte lehkou desktopovou utilitu nebo výkonnou podnikovou vyhledávací službu, níže uvedené kroky pokrývají vše od indexování různých formátů po jemné ladění výkonu a spuštění příkladu Java boolean dotazu.

Rychlý přehled

  • Indexovat různé typy dokumentů – PDFs, DOCX, PPTX, XLSX, HTML a více než 150 dalších formátů.
  • Spouštět pokročilé dotazy – Boolean, fuzzy, wildcard, phrase, regex a faceted vyhledávání.
  • Využívat zpracování jazyka – Synonyma, kontrola pravopisu, detekce homofonů a vlastní slovníky.
  • Integrovat OCR – Extrahovat text ze skenovaných obrázků a přidat jej do prohledávatelného indexu.
  • Optimalizovat výkon – Řídit využití paměti, velikost indexu a dobu odezvy dotazů pro indexy dosahující vícegigabajtového rozsahu.
  • Zvýraznit výsledky – Zobrazit shody přímo v původním dokumentu nebo v HTML náhledu s přizpůsobitelnými barvami a CSS třídami.

Níže je vybraná seznam věnovaných tutoriálů, které vás provede každou funkcí krok za krokem.

Rychlé odpovědi

  • Co dělá “highlight search results java”? Vizualně označuje odpovídající termíny v původním dokumentu nebo v generovaném HTML náhledu, což uživatelům umožňuje okamžitě najít relevantní úryvky.
  • Která knihovna poskytuje faceted search java? GroupDocs.Search pro Java obsahuje vestavěnou podporu faceted vyhledávání, která seskupuje výsledky podle polí metadat.
  • Mohu implementovat OCR java pomocí stejného API? Ano – povolíte OCR engine jedním nastavením OcrOptions a stejný workflow indexování bude extrahovat text z obrázků.
  • Potřebuji licenci pro produkční použití? Komerční licence je vyžadována po vypršení zkušební doby.
  • Je API kompatibilní s Java 17 a novějšími? Plně podporuje Java 8+, je testováno na Java 17 a běží na jakékoli platformě kompatibilní s JVM.

Co je “highlight search results java”?

Zvýraznění výsledků vyhledávání v Javě znamená programově aplikovat vizuální náznaky – například barvy pozadí nebo tučné písmo – na přesná slova nebo fráze, které odpovídají dotazu uživatele. Tato technika zkracuje čas, který uživatelé stráví procházením dlouhých dokumentů, a zlepšuje celkovou použitelnost vyhledávání.

Proč používat GroupDocs.Search pro Java?

GroupDocs.Search pro Java indexuje a dotazuje tisíce dokumentů za méně než dvě sekundy na standardním 8‑jádrovém serveru. Podporuje více než 150 formátů souborů, zpracovává multi‑gigabajtové indexy bez načítání celé kolekce do paměti a nabízí okamžitý OCR, faceted vyhledávání a zpracování synonym – vše prostřednictvím plynulého, dobře zdokumentovaného API.

Požadavky

  • Java 8 nebo novější (doporučeno Java 17)
  • Maven nebo Gradle pro správu závislostí
  • Platná licence GroupDocs.Search pro Java (k dispozici zkušební verze)

Průvodce krok za krokem

Krok 1: nastavení projektu

Vytvořte Maven nebo Gradle projekt a přidejte závislost GroupDocs.Search. Umístěte soubor licence (GroupDocs.Search.lic) do složky src/main/resources, aby SDK mohl načíst automaticky.

Krok 2: vytvořit index

Index je hlavní třída, která představuje prohledávatelný úložiště na disku.

Index index = new Index("path/to/index/folder");

Po vytvoření instance Index zavolejte add pro každý dokument, který chcete zpřístupnit pro vyhledávání. SDK automaticky detekuje typ souboru a extrahuje text.

Krok 3: povolit OCR (implement OCR java)

OcrOptions konfiguruje vestavěný OCR engine.

OcrOptions ocr = new OcrOptions();
ocr.setLanguage("eng");
ocr.setDpi(300);

Připojte instanci OcrOptions k volání indexování, aby skenované obrázky byly převedeny na prohledávatelný text.

Krok 4: provést vyhledávací dotaz

SearchOptions vytváří dotaz, který odešlete do indexu.

SearchOptions options = new SearchOptions()
    .setQuery("invoice")
    .setBooleanOperator(BooleanOperator.AND)
    .setFuzzy(true);

Můžete zkombinovat příklad Java boolean dotazu s faceted filtry, zástupnými znaky nebo regex vzory pro další zúžení výsledků.

Krok 5: zvýraznit výsledky vyhledávání java

Highlight je pomocná třída, která generuje zvýrazněnou verzi odpovídajícího dokumentu.

HighlightOptions highlight = new HighlightOptions()
    .setColor(Color.YELLOW)
    .setCssClass("search-highlight");
HighlightResult result = Highlight.apply(searchResult, highlight);

API vrací buď upravený PDF soubor, nebo HTML úryvek, kde je každý odpovídající termín obalen zvoleným stylem.

Krok 6: revize a optimalizace

Použijte vestavěné statistické API k monitorování velikosti indexu, spotřeby paměti a latence dotazů. Upravit maxMemoryUsage nebo povolit kompresi (setCompression(true)) pro udržení úsporného indexu při zpracování milionů záznamů.

Časté problémy a řešení

  • Nezobrazují se žádná zvýraznění: Ověřte, že jste předali objekt HighlightOptions s podporovaným výstupním formátem (HTML nebo PDF).
  • OCR nevyhledá text: Ujistěte se, že jsou nainstalovány jazykové balíčky a zdrojové obrázky splňují minimální doporučenou hodnotu 300 dpi.
  • Faceted vyhledávání vrací prázdné kategorie: Potvrďte, že pole, na která chcete facetovat, byla indexována s typem Facet během kroku 2.

Často kladené otázky

Q: Mohu použít faceted search java spolu s fuzzy vyhledáváním?
A: Ano – můžete řetězit facet filtry a fuzzy dotazy ve stejném builderu SearchOptions, což vám umožní zúžit výsledky při tolerování překlepů.

Q: Funguje zvýraznění na šifrovaných PDF?
A: Funguje pouze, pokud při přidávání dokumentu do indexu zadáte správné heslo; SDK pak dešifruje, zvýrazní a znovu zašifruje výstup.

Q: Jak velký může být index, než se výkon zhorší?
A: Knihovna spolehlivě zvládá multi‑gigabajtové indexy; povolení komprese a ladění maxMemoryUsage vám umožní udržet dobu dotazu pod 200 ms i při 10 milionech dokumentů.

Q: Existuje způsob, jak přizpůsobit barvu zvýraznění?
A: Rozhodně. Použijte HighlightOptions.setColor(Color.YELLOW) nebo poskytněte vlastní CSS třídu pro HTML výstup pomocí setCssClass.

Q: Jaká verze GroupDocs.Search byla testována s tímto průvodcem?
A: Příklady byly ověřeny s GroupDocs.Search pro Java 23.9.

Související témata, která můžete prozkoumat

  • Getting Started – Základy instalace, licencování a aplikace “Hello World” pro vyhledávání.
  • Indexing – Podrobný pohled na tvorbu indexu, zdroje dokumentů a ladění výkonu.
  • Searching – Pokročilé vytváření dotazů, stránkování výsledků a řazení.
  • Highlighting – Kompletní průvodce přizpůsobením vzhledu zvýraznění a výstupních formátů.
  • Dictionaries & Language Processing – Zlepšení relevance vyhledávání pomocí synonym a kontroly pravopisu.
  • Document Management – Přidávání, aktualizace a mazání dokumentů bez nutnosti přestavování celého indexu.
  • OCR & Image Search – Povolení extrakce textu z obrázků a provádění reverzního vyhledávání obrázků.
  • Advanced Features – Faceted vyhledávání, reportování a dotazy založené na metadatech.
  • Search Network – Vytváření distribuovaných, rozdělených vyhledávacích clusterů.
  • Performance Optimization – Strategie pro snížení velikosti indexu a zrychlení dotazů.
  • Exception Handling & Logging – Nejlepší postupy pro robustní, připravené na produkci aplikace.
  • Licensing & Configuration – Správná aktivace licence a tipy pro konfiguraci za běhu.
  • Text Extraction & Processing – Vlastní extraktory, segmentátory a pravidla pro nahrazování znaků.

Přehled funkcí vyhledávání dokumentů v Javě

GroupDocs.Search pro Java nabízí komplexní sadu možností pro tvorbu výkonných vyhledávacích aplikací:

  • Podpora více formátů – více než 150 vstupních a výstupních formátů, včetně PDF, DOCX, PPT, XLS, HTML a souborů obrázků.
  • Pokročilé typy vyhledávání – Boolean, fuzzy, wildcard, phrase, regex a faceted search java možnosti.
  • Inteligentní indexování – Rychlé, konfigurovatelné indexování dokumentů s volitelnou kompresí.
  • Zpracování jazyka – Detekce synonym, kontrola pravopisu a rozpoznávání homofonů.
  • Podpora OCR – Extrahovat a vyhledávat text z obrázků a skenovaných dokumentů (implement OCR java).
  • Optimalizace výkonu – Nastavitelná spotřeba paměti a rychlost dotazů pro multi‑gigabajtové indexy.
  • Zvýraznění výsledků – Vizualně zvýraznit shody vyhledávání v původních dokumentech (highlight search results java).
  • Podpora slovníků – Vlastní slovníky pro specializovanou terminologii a domény.
  • Distribuované vyhledávání – Vytvářejte škálovatelné, rozdělené vyhledávací řešení s funkcemi sítě.
  • Blesková rychlost – Zpracujte a vyhledejte 10 000 dokumentů za méně než 2 sekundy na typickém serveru.

Vzdělávací zdroje

Poslední aktualizace: 2026-08-26
Testováno s: GroupDocs.Search pro Java 23.9
Autor: GroupDocs