Jak vytvořit index pomocí GroupDocs.Search pro Java
Pokud potřebujete jak vytvořit index pro tisíce právních, akademických nebo obchodních souborů, GroupDocs.Search pro Java vám poskytuje připravený engine, který extrahuje text, vytvoří kompaktní prohledávatelnou strukturu a umožní spouštět regex, fuzzy nebo wildcard dotazy během milisekund. V tomto tutoriálu uvidíte, jak nastavit SDK, vytvořit index, přidat do něj dokumenty a provádět výkonné vyhledávání založené na vzorcích.
Rychlé odpovědi
- Jaký je hlavní účel GroupDocs.Search? Vytvářet prohledávatelné indexy pro širokou škálu formátů dokumentů.
- Mohu přidávat dokumenty do indexu po jeho vytvoření? Ano — použijte metodu
index.add()k zahrnutí nových souborů. - Podporuje GroupDocs.Search fuzzy vyhledávání v Javě? Rozhodně; povolte jej pomocí
SearchOptions. - Jak spustím wildcard dotaz v Javě? Vytvořte jej pomocí
SearchQuery.createWildcardQuery(). - Je licence vyžadována pro produkční použití? Platná licence GroupDocs.Search je potřebná pro komerční nasazení.
SearchOptions konfiguruje chování vyhledávání, například fuzzy shodu.SearchQuery.createWildcardQuery() vytváří objekt wildcard dotazu.
Co znamená „jak vytvořit index“ v kontextu GroupDocs.Search?
Vytvoření indexu znamená skenování jednoho nebo více zdrojových dokumentů, extrahování prohledávatelného textu a uložení těchto informací ve strukturovaném formátu, který lze efektivně dotazovat. Tento proces vytvoří kompaktní datovou strukturu na disku, která umožňuje bleskově vyhledávat napříč tisíci soubory, i když jsou původní dokumenty velké nebo uložené v různých formátech.
Proč používat GroupDocs.Search pro Java?
GroupDocs.Search poskytuje osvědčené enterprise‑grade řešení, které podporuje více než 30 vstupních a výstupních formátů — včetně PDF, DOCX, XLSX, PPTX, HTML a souborů prostého textu — a zároveň dosahuje sub‑sekundových odezvových časů pro indexy obsahující miliony stránek. Jeho vestavěné fuzzy, wildcard a regex search java schopnosti vám umožní zvládat překlepy, shodu vzorů a složité scénáře vyhledávání bez psaní vlastních parserů.
Požadavky
- GroupDocs.Search pro Java verze 25.4 nebo novější.
- IDE, např. IntelliJ IDEA nebo Eclipse s podporou Maven.
- JDK 11 nebo novější nainstalované na vašem vývojovém počítači.
- Základní znalost syntaxe Javy a konceptů vyhledávání.
Nastavení GroupDocs.Search pro Java
Knihovnu můžete přidat pomocí Maven nebo stáhnout ručně.
Maven setup
<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 z GroupDocs.Search for Java releases.
Získání licence
- Free trial: Prozkoumejte všechny funkce zdarma.
- Temporary license: Prodloužte používání zkušební verze pro evaluační projekty.
- Full license: Vyžadována pro produkční nasazení a odemčení neomezeného indexování.
Jakmile je knihovna k dispozici, inicializujte ji ve vašem Java kódu:
import com.groupdocs.search.*;
public class InitializeSearch {
public static void main(String[] args) {
// Create an index instance
Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output");
System.out.println("GroupDocs.Search initialized successfully.");
}
}
Jak vytvořit index pomocí GroupDocs.Search
Načtěte své zdrojové soubory, nasměrujte SDK na složku a nechte jej vytvořit prohledávatelnou strukturu jedním voláním. Tento přístup vytvoří index za méně než minutu pro typickou kolekci dokumentů o velikosti 10 GB na standardním serveru.
Definování cest
String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
Vytváření indexu
Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);
Přidávání dokumentů do indexu
index.add(documentsFolder);
System.out.println("Documents added to the index.");
Pro tip: Ujistěte se, že adresáře existují a obsahují pouze soubory, které chcete prohledávat; nesouvisející soubory mohou zvětšit velikost indexu.
Jednoduchý dotaz na slovo s možnostmi fuzzy vyhledávání (fuzzy search java)
Fuzzy vyhledávání pomáhá, když uživatelé překlepou slovo nebo když OCR zavede chyby. SDK automaticky rozšíří dotaz o podobné termíny na základě edit distance.
SearchQuery subquery = SearchQuery.createWordQuery("future");
subquery.setSearchOptions(new SearchOptions());
subquery.getSearchOptions().getFuzzySearch().setEnabled(true);
subquery.getSearchOptions().getFuzzySearch()
.setFuzzyAlgorithm(new TableDiscreteFunction(3));
System.out.println("Fuzzy search enabled with a tolerance of 3.");
Wildcard dotaz Java
Wildcard dotazy vám umožňují odpovídat vzorům, například libovolnému slovu, které začíná konkrétním prefixem, pomocí zástupných znaků * nebo ?.
SearchQuery.createWildcardQuery() vytváří objekt wildcard dotazu.
SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");
Regex vyhledávání Java
Regulární výrazy vám poskytují detailní kontrolu nad shodou vzorů, ideální pro hledání opakujících se znaků nebo složitých tokenových struktur.
SearchQuery.createRegexQuery() vytváří objekt regex dotazu pro shodu vzorů.
SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");
Kombinování poddotazů do dotazu na frázi
Můžete kombinovat poddotazy typu word, wildcard a regex a vytvořit tak sofistikované vyhledávání frází, které respektuje pořadí a blízkost.
SearchQuery subquery1 = SearchQuery.createWordQuery("future");
SearchQuery subquery2 = SearchQuery.createWildcardQuery(1);
SearchQuery subquery3 = SearchQuery.createRegexQuery("(.)\\1");
SearchQuery combinedQuery = SearchQuery.createPhraseSearchQuery(subquery1, subquery2, subquery3);
System.out.println("Combined phrase search query created.");
Konfigurace a provádění vyhledávání s vlastními možnostmi
Úprava možností vyhledávání vám umožní řídit, kolik výskytů se vrátí, což je užitečné pro velké korpusy. Můžete také ladit skórování, zvýraznit shody a omezit výsledky na dokument.
SearchOptions options = new SearchOptions();
options.setMaxOccurrenceCountPerTerm(1000000);
options.setMaxTotalOccurrenceCount(10000000);
System.out.println("Custom search options configured.");
Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output\\ConfigureAndPerformSearch");
SearchQuery query = SearchQuery.createWordQuery("future");
SearchResult result = index.search(query, options);
System.out.println("Search performed with custom options.");
Regex vyhledávání java – běžné případy použití
- Legal research: Najděte klauzule, které následují konkrétní vzor, například data ve formátu
DD/MM/YYYY. - Data validation: Detekujte poškozené identifikátory nebo opakující se znaky v logách.
- Content moderation: Najděte vulgarismy nebo zakázané vzory pomocí regex.
- Financial analysis: Extrahujte kódy transakcí, které odpovídají známé regex šabloně.
Úvahy o výkonu
- Optimize indexing: Pravidelně re‑indexujte a odstraňujte zastaralé soubory, aby byl index úsporný; dobře udržovaný index s 1 milionem stránek zabírá méně než 2 GB na disku.
- Resource usage: Sledujte velikost haldy JVM; velké indexy mohou vyžadovat až 8 GB haldy nebo off‑heap úložiště pro optimální propustnost.
- Garbage collection: Ladte nastavení GC (např. G1GC) pro dlouhodobě běžící vyhledávací služby, aby se předešlo špičkám v době pozastavení.
Často kladené otázky
Q: Mohu aktualizovat existující index bez jeho kompletního přestavování?
A: Ano — použijte index.add() k připojení nových souborů nebo index.update() k aktualizaci změněných dokumentů.
Q: Jak fuzzy vyhledávání zachází s různými jazyky?
A: Vestavěný fuzzy algoritmus pracuje s Unicode znaky, takže podporuje většinu jazyků přímo z krabice.
Q: Existuje limit počtu dokumentů, které mohu indexovat?
A: Prakticky je limit dán dostupným místem na disku a pamětí JVM; knihovna je navržena pro miliony dokumentů.
Q: Musím po změně možností vyhledávání restartovat aplikaci?
A: Ne — možnosti vyhledávání se aplikují na úrovni dotazu, takže je můžete měnit za běhu.
Q: Kde najdu pokročilejší příklady dotazů?
A: Oficiální dokumentace GroupDocs.Search a reference API poskytují rozsáhlé příklady pro složité scénáře.
Poslední aktualizace: 2026-10-12
Testováno s: GroupDocs.Search for Java 25.4
Autor: GroupDocs