Jak implementovat full‑textové vyhledávání v Javě s GroupDocs.Search

Pokud potřebujete vytvořit full‑textové vyhledávání v Javě uvnitř Java aplikace, jste na správném místě. Tento tutoriál vás provede instalací GroupDocs.Search, konfigurací indexu, přidáváním dokumentů a dotazováním na index — vše s připravenými ukázkami kódu, které můžete zkopírovat a vložit. Na konci pochopíte jak indexovat dokumenty v Javě a budete připraveni vložit rychlé, škálovatelné vyhledávání do jakéhokoli podnikového řešení.

Rychlé odpovědi

  • Jaký je hlavní účel GroupDocs.Search?
    Poskytnout rychlé full‑textové indexování a vyhledávání pro širokou škálu formátů dokumentů v Javě.
  • Která verze knihovny je doporučená?
    Nejnovější stabilní verze (např. 25.4 v době psaní).
  • Potřebuji licenci pro spuštění příkladů?
    Dočasná licence je k dispozici pro vyhodnocení; pro produkční nasazení je vyžadována komerční licence.
  • Jaké jsou hlavní kroky k vytvoření vyhledávacího indexu?
    Instalovat knihovnu, nakonfigurovat nastavení indexu, přidat dokumenty a dotazovat index.
  • Mohu uložit indexovaný text ve zkomprimované formě?
    Ano – použijte TextStorageSettings s Compression.High.

Co je full‑textové vyhledávání v Javě?

Full‑textové vyhledávání v Javě označuje proces vytváření indexu, který mapuje každý prohledávatelný token v kolekci dokumentů na jeho umístění, což umožňuje okamžité vyhledávání klíčových slov a frází bez nutnosti každou dobu skenovat původní soubory. Index ukládá pozice tokenů, jejich četnost a metadata, což vyhledávači umožňuje řadit výsledky podle relevance a podporovat pokročilé dotazy jako zástupné znaky, fuzzy‑vyhledávání a vyhledávání podle blízkosti.

Proč použít GroupDocs.Search pro Javu?

GroupDocs.Search podporuje více než 50 vstupních a výstupních formátů – včetně PDF, Word, Excel, PowerPoint, HTML a mnoha typů obrázků – a dokáže zpracovat dokumenty o stovkách stran, aniž by načítal celý soubor do paměti. Jeho indexovací engine dosahuje sub‑sekundové latence dotazů i při zpracování milionů záznamů, což z něj činí spolehlivou volbu pro podnikovou úroveň vyhledávání.

Požadavky

  • Java Development Kit (JDK) 8 nebo vyšší.
  • Maven pro správu závislostí.
  • Základní znalost Java I/O a konceptů indexování.

Nastavení GroupDocs.Search pro Javu

Maven konfigurace

Přidejte repozitář GroupDocs a závislost Search 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 si stáhněte nejnovější verzi z GroupDocs.Search pro Java vydání.

Získání licence

Dočasnou licenci můžete získat pro plné prozkoumání funkcí GroupDocs před zakoupením návštěvou jejich Temporary License page. Toto zkušební období vám umožní vyhodnotit knihovnu ve vašem prostředí.

Základní inicializace a nastavení

Třída Index je jádrová komponenta, která představuje prohledávatelný datový úložiště na disku. Vytvořením instance nasměrujete knihovnu do složky, kde budou soubory indexu uloženy.

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

Jak vytvořit vyhledávací index groupdocs s GroupDocs.Search pro Javu

Vytvoření prohledávatelného indexu je základem každého řešení rychlého vyhledávání. Načtěte index, přidejte dokumenty a poté jej dotazujte – vše během několika jednoduchých kroků.

Co je „create search index groupdocs“?

Vytvoření vyhledávacího indexu pomocí GroupDocs znamená sestavení prohledávatelné datové struktury, která mapuje každé slovo ve vašich dokumentech na jeho umístění. To umožňuje okamžité vyhledávání klíčových slov, fráz a pokročilého filtrování bez skenování původních souborů při každém dotazu. Navíc ukládá četnost termínů pro zlepšení skórování relevance během dotazů.

Jak vytvořit vyhledávací index groupdocs s GroupDocs.Search pro Javu?

Načtěte objekt Index zadáním složky indexu, poté zavolejte add pro načtení všech souborů ze zdrojového adresáře. Po indexování můžete index dotazovat pomocí jednoduchých textových dotazů nebo složitých Booleanových výrazů. Tento přístup dokončí pipeline full‑textového vyhledávání za méně než minutu pro typické sady dokumentů. Po vytvoření indexu jej můžete uložit na disk, znovu použít po restartu aplikace a provádět inkrementální aktualizace přidáváním nebo odstraňováním dokumentů bez nutnosti přestavovat celý index.

Průvodce implementací

Indexování dokumentů v Javě s GroupDocs.Search

Přehled

Vytvoření indexu je první krok k umožnění rychlých vyhledávacích schopností. Níže projdeme každou požadovanou akci.

Krok 1: specifikujte adresáře

Definujte, kde bude index uložen a kde se nacházejí zdrojové dokumenty.

String indexFolder = "YOUR_INDEX_DIRECTORY";
String documentsFolder = "YOUR_DOCUMENTS_DIRECTORY"; 

Krok 2: vytvořte index

Instancujte objekt Index a začněte budovat prohledávatelnou strukturu.

Index index = new Index(indexFolder);

Krok 3: přidejte dokumenty do indexu

Všechny soubory ze zdrojové složky načtěte do indexu jedním voláním.

index.add(documentsFolder);

Krok 4: načtěte indexované dokumenty

Po dokončení indexování můžete enumerovat indexované položky:

DocumentInfo[] documents = index.getIndexedDocuments();
for (DocumentInfo document : documents) {
    String filePath = document.getFilePath();
    // Process each file path or perform further actions here
}

Parametry a účely metod

  • indexFolder: Cesta, kde jsou uložena data indexu.
  • documentsFolder: Složka obsahující soubory, které mají být indexovány.

Tipy pro řešení problémů

  • Ověřte, že cesty ke složkám jsou správné a přístupné.
  • Zkontrolujte oprávnění souborového systému, pokud narazíte na chybu „přístup odepřen“ během indexování.

Vytvoření indexu s nastavením ukládání textu

Co jsou nastavení ukládání textu?

TextStorageSettings vám umožňuje řídit, jak je surový extrahovaný text každého dokumentu uložen, včetně úrovně komprese a formátu.

Krok 1: nastavte nastavení indexu

Vytvořte instanci IndexSettings a nakonfigurujte ukládání textu.

IndexSettings settings = new IndexSettings();
settings.setTextStorageSettings(new TextStorageSettings(Compression.High));

Krok 2: inicializujte index s nastavením

Při konstrukci indexu předávejte vlastní nastavení.

Index index = new Index(indexFolder, settings);

Krok 3: načtěte a uložte texty dokumentů

Extrahujte celý text dokumentu a uložte jej jako HTML (nebo jakýkoli podporovaný formát).

DocumentInfo[] documents = index.getIndexedDocuments();
if (documents.length > 0) {
    String outputPath = "YOUR_OUTPUT_DIRECTORY/Text.html";
    FileOutputAdapter outputAdapter = new FileOutputAdapter(OutputFormat.Html, outputPath);
    index.getDocumentText(documents[0], outputAdapter);
}

Klíčové konfigurační možnosti

  • Compression.High – optimalizuje úložiště kompresí extrahovaného textu.

Praktické aplikace

  1. Podniková správa dokumentů – Rychle najděte smlouvy, politiky nebo zprávy v masivních úložištích.
  2. Systémy pro správu obsahu (CMS) – Pohánějte vyhledávání napříč celým webem s okamžitými výsledky.
  3. Práce s právními dokumenty – Umožněte vyhledávání na základě klíčových slov v soudních spisech a důkazních archivech.

Úvahy o výkonu

  • Optimalizace velikosti indexu – Pravidelně odstraňujte zastaralé položky, aby byl index úsporný.
  • Správa paměti – Laděte garbage collector JVM pro úlohy velkého rozsahu indexování.
  • Osvedčené postupy – Indexujte po dávkách, znovu používejte instance Index a upřednostňujte asynchronní operace pro náročné zatížení.

Časté problémy a řešení

PříznakPravděpodobná příčinaŘešení
“Přístup odepřen” při volání index.add()Nesprávná oprávnění ke složceUdělit uživateli procesu práva čtení/zápisu
Žádné výsledky pro známý termínUkládání textu není povolenoPovolte TextStorageSettings nebo znovu indexujte s správným nastavením
Chyby nedostatku paměti při velkých dávkáchHalda JVM je příliš maláZvyšte příznak -Xmx nebo zpracovávejte dokumenty v menších částech

Často kladené otázky

Q: Co je GroupDocs.Search pro Javu?
A: Jedná se o výkonnou knihovnu, která přidává full‑textové vyhledávací schopnosti do Java aplikací a podporuje více než 50 formátů dokumentů.

Q: Jak zacházet s velkými datovými sadami pomocí GroupDocs.Search?
A: Používejte dávkové zpracování, optimalizujte IndexSettings pro úsporu paměti a provádějte indexování v asynchronních vláknech.

Q: Mohu přizpůsobit úroveň komprese v nastavení ukládání textu?
A: Ano, můžete volit mezi Compression.High, Compression.Medium a Compression.Low pro vyvážení velikosti a rychlosti.

Q: Jaké typy dokumentů GroupDocs.Search podporuje?
A: PDF, Word, Excel, PowerPoint, HTML, prostý text a mnoho formátů obrázků jsou podporovány přímo z krabice.

Q: Existuje komunitní podpora pro GroupDocs.Search?
A: Ano, můžete získat bezplatnou podporu prostřednictvím jejich fóra na GroupDocs Forum.

Zdroje

Experimentováním s nastavením a prozkoumáváním API můžete jemně doladit výkon a přizpůsobit vyhledávací zkušenost přesně vašim potřebám. Šťastné programování!


Poslední aktualizace: 2026-10-22
Testováno s: GroupDocs.Search 25.4
Autor: GroupDocs

Související tutoriály