Mistrovství filtru rozšíření souboru java s GroupDocs.Search

Správa rostoucího úložiště dokumentů může rychle přerůst v přetížení, zejména když potřebujete indexovat jen určité typy souborů. The java file extension filter vám umožní říci GroupDocs.Search přesně, které rozšíření zahrnout nebo vyloučit, a poskytuje vám přesnou kontrolu nad vaším indexovacím procesem. V tomto průvodci vás provedeme nastavením GroupDocs.Search pro Java a ukážeme, jak kombinovat filtrování rozšíření souborů s logickými operátory AND, OR a NOT, stejně jako s filtry pro časové rozmezí a cesty.

Rychlé odpovědi

  • What is the java file extension filter? Konfigurace, která říká GroupDocs.Search, které rozšíření souborů zahrnout nebo vyloučit během indexování.
  • Which library provides this feature? GroupDocs.Search for Java.
  • Do I need a license? Bezplatná zkušební verze funguje pro hodnocení; plná licence je vyžadována pro produkci.
  • Can I combine filters? Ano – můžete řetězit filtry rozšíření, data, velikosti a cesty s logikou AND, OR, NOT.
  • Is it Maven‑compatible? Naprosto – přidejte závislost GroupDocs.Search do vašeho pom.xml.

Co je java file extension filter?

A java file extension filter je sada pravidel, která vyhodnocuje rozšíření každého souboru před jeho odesláním do indexovacího enginu. Zadáním rozšíření jako .txt, .pdf nebo .epub můžete include files by extension nebo exclude files by extension, aby byl váš index zaměřený a výsledky vyhledávání relevantní.

Proč používat filtrování rozšíření souborů s GroupDocs.Search?

  • Performance: Přeskakování nechtěných souborů snižuje I/O a zrychluje indexování.
  • Storage savings: Do indexu jsou uloženy jen relevantní dokumenty, což snižuje využití disku.
  • Compliance: Zabraňuje neúmyslnému indexování důvěrných nebo nepodporovaných typů souborů.
  • Flexibility: Kombinujte s funkcemi date range filter java pro cílení souborů vytvořených nebo upravených v konkrétních obdobích.

Předpoklady

Než začneme, ujistěte se, že máte následující:

Požadované knihovny a závislosti

  • GroupDocs.Search for Java: Verze 25.4 nebo novější
  • Java Development Kit (JDK): Nainstalovaná kompatibilní verze

Nastavení prostředí

  • Integrated Development Environment (IDE): IntelliJ IDEA, Eclipse nebo jakékoli Maven‑compatible IDE.

Předpoklady znalostí

  • Základní programování v Javě
  • Znalost souborového I/O v Javě
  • Porozumění regulárním výrazům a zpracování data‑času

Nastavení GroupDocs.Search pro Java

Pro zahájení používání GroupDocs.Search musíte zahrnout tuto knihovnu jako závislost ve vašem projektu.

Maven konfigurace

Přidejte následující konfiguraci repozitáře a závislosti do souboru pom.xml:

<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>

Přímé stažení

Alternativně stáhněte nejnovější verzi přímo z GroupDocs.Search for Java releases.

Získání licence

  1. Free Trial – prozkoumejte funkce bez nákladů.
  2. Temporary License – získáte plnou funkčnost na omezené období.
  3. Purchase – získáte trvalou licenci pro produkční použití.

Základní inicializace a nastavení

Jakmile je knihovna přidána, inicializujte své indexovací prostředí:

import com.groupdocs.search.*;

String indexFolder = "YOUR_OUTPUT_DIRECTORY";
Index index = new Index(indexFolder);

Průvodce implementací

Níže se ponoříme do každého typu filtru, vysvětlíme proč je důležitý a poskytneme krok‑za‑krokem kód, který můžete zkopírovat do svého projektu.

Filtrování rozšíření souborů

Filtrujte soubory podle jejich rozšíření během indexování. To je ideální, když chcete zpracovávat jen e‑knihy (.fb2, .epub) a prosté textové soubory (.txt).

Přehled

Použijte DocumentFilter.createFileExtension k vytvoření whitelistu rozšíření.

Kroky implementace

  1. Create Filter:

    DocumentFilter filter = DocumentFilter.createFileExtension(".fb2", ".epub", ".txt");
IndexSettings settings = new IndexSettings();
settings.setDocumentFilter(filter);

  2. Initialize Index and Add Documents:

    Index index = new Index("YOUR_OUTPUT_DIRECTORY\\FileExtensionFilter", settings);
index.add("YOUR_DOCUMENT_DIRECTORY");

Logický NOT filtr

Vyloučte konkrétní rozšíření, jako jsou webové stránky a PDF, pokud nejsou ve vašem vyhledávacím scénáři potřeba.

Kroky implementace

  1. Create Exclusion Filter:

    DocumentFilter filterNot = DocumentFilter.createFileExtension(".htm", ".html", ".pdf");
DocumentFilter invertedFilter = DocumentFilter.createNot(filterNot);

  2. Apply to Index Settings:

    IndexSettings settingsNot = new IndexSettings();
settingsNot.setDocumentFilter(invertedFilter);

  3. Add Documents:

    Index indexNot = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalNotFilter", settingsNot);
indexNot.add("YOUR_DOCUMENT_DIRECTORY");

Logický AND filtr

Kombinujte několik podmínek—datum vytvoření, rozšíření a velikost souboru—tak, aby only files that meet all criteria byly indexovány.

Přehled

DocumentFilter.createAnd spojuje více filtrů do jedné pravidla.

Kroky implementace

  1. Define Filters:

    DocumentFilter filter1 = DocumentFilter.createCreationTimeRange(Utils.createDate(2015, 1, 1), Utils.createDate(2016, 1, 1));
DocumentFilter filter2 = DocumentFilter.createFileExtension(".txt");
DocumentFilter filter3 = DocumentFilter.createFileLengthUpperBound(8 * 1024 * 1024);

  2. Combine Filters:

    DocumentFilter finalFilterAnd = DocumentFilter.createAnd(filter1, filter2, filter3);
IndexSettings settingsAnd = new IndexSettings();
settingsAnd.setDocumentFilter(finalFilterAnd);

  3. Index Documents:

    Index indexAnd = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalAndFilter", settingsAnd);
indexAnd.add("YOUR_DOCUMENT_DIRECTORY");

Logický OR filtr

Zahrňte soubory, které splňují any z uvedených podmínek—užitečné, když chcete zachytit jak malé textové soubory, tak větší netextové soubory.

Kroky implementace

  1. Define Filters:

    DocumentFilter txtFilter = DocumentFilter.createFileExtension(".txt");
DocumentFilter notTxtFilter = DocumentFilter.createNot(txtFilter);

  2. Combine Filters with Logical Conditions:

    DocumentFilter bound5Filter = DocumentFilter.createFileLengthUpperBound(5 * 1024 * 1024);
DocumentFilter bound10Filter = DocumentFilter.createFileLengthUpperBound(10 * 1024 * 1024);

DocumentFilter txtSizeFilter = DocumentFilter.createAnd(txtFilter, bound5Filter);
DocumentFilter notTxtSizeFilter = DocumentFilter.createAnd(notTxtFilter, bound10Filter);

  3. Finalize OR Filter:

    DocumentFilter finalFilterOr = DocumentFilter.createOr(txtSizeFilter, notTxtSizeFilter);

IndexSettings settingsOr = new IndexSettings();
settingsOr.setDocumentFilter(finalFilterOr);
Index indexOr = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalOrFilter", settingsOr);
indexOr.add("YOUR_DOCUMENT_DIRECTORY");

Filtry času vytvoření

Cílové soubory vytvořené v konkrétním období—klasický scénář date range filter java.

Kroky implementace

  1. Define Date Range Filter:

    DocumentFilter filter3CTime = DocumentFilter.createCreationTimeRange(Utils.createDate(2017, 1, 1), Utils.createDate(2018, 6, 15));
IndexSettings settingsCTime = new IndexSettings();
settingsCTime.setDocumentFilter(filter3CTime);

  2. Index Documents:

    Index indexCTime = new Index("YOUR_OUTPUT_DIRECTORY\\CreationTimeFilters", settingsCTime);
indexCTime.add("YOUR_DOCUMENT_DIRECTORY");

Filtry času úpravy

Vyloučte soubory, které byly upraveny po určitém datu ořezu.

Kroky implementace

  1. Define Filter:

    DocumentFilter filter2MTime = DocumentFilter.createModificationTimeUpperBound(Utils.createDate(2018, 6, 15));
IndexSettings settingsMTime = new IndexSettings();
settingsMTime.setDocumentFilter(filter2MTime);

  2. Index Documents:

    Index indexMTime = new Index("YOUR_OUTPUT_DIRECTORY\\ModificationTimeFilters", settingsMTime);
indexMTime.add("YOUR_DOCUMENT_DIRECTORY");

Filtrování cesty souboru

Omezte indexování na soubory umístěné ve specifických složkách nebo odpovídající vzoru—ideální pro include files by extension v rámci konkrétní hierarchie adresářů.

Kroky implementace

  1. Define File Path Filter:

    DocumentFilter pathFilter = DocumentFilter.createPath("*.txt", "documents/");
IndexSettings settingsPath = new IndexSettings();
settingsPath.setDocumentFilter(pathFilter);

  2. Initialize Index and Add Documents:

    Index indexPath = new Index("YOUR_OUTPUT_DIRECTORY\\FilePathFilter", settingsPath);
indexPath.add("YOUR_DOCUMENT_DIRECTORY");

Běžné úskalí a tipy

  • Never mix absolute and relative paths ve stejné konfiguraci filtru – může to vést k neočekávaným vyloučením.
  • Reset the IndexSettings při přepínání sad filtrů; jinak mohou přetrvávat předchozí filtry.
  • Combine a length upper bound with an extension filter pro velké kolekce, aby se udržovala nízká spotřeba paměti.
  • Enable logging (LoggingOptions.setEnabled(true)) pro zjištění, proč byl soubor odmítnut.

Často kladené otázky

Q: Can I change the filter criteria after the index is created?
A: Ano. Přestavte index s novým DocumentFilter nebo použijte inkrementální indexování s aktualizovanými nastaveními.

Q: Does the java file extension filter work on compressed archives (e.g., ZIP)?
A: GroupDocs.Search může indexovat podporované formáty archivů, ale filtr rozšíření se vztahuje na samotný archiv, ne na vnitřní soubory. Použijte vnořené filtry pro podrobnější kontrolu.

Q: How do I debug why a particular file was excluded?
A: Aktivujte logování knihovny (LoggingOptions.setEnabled(true)) a prohlédněte si log – uvádí, který filtr odmítl každý soubor.

Q: Is it possible to combine the java file extension filter with custom regex filters?
A: Naprosto. Zabalte regex filtr do DocumentFilter.createAnd() spolu s filtrem rozšíření.

Q: What performance impact does adding many filters have?
A: Každý filtr přidává během indexování mírnou zátěž, ale snížení množství indexovaných dat obvykle převáží náklady. Otestujte na reprezentativním vzorku, abyste našli optimální rovnováhu.

Poslední aktualizace: 2026-02-21
Testováno s: GroupDocs.Search 25.4 for Java
Autor: GroupDocs