Implementace GroupDocs.Search Java pro vyhledávání dokumentů

V dnešním datově řízeném prostředí je implement groupdocs search java nezbytný pro jakoukoli aplikaci, která potřebuje rychlé a spolehlivé full‑textové vyhledávání napříč PDF, soubory Word, tabulkami a dalšími. Ať už budujete úložiště právních smluv, akademický výzkumný portál nebo znalostní bázi zákaznické podpory, tento tutoriál vás provede instalací SDK, vytvořením indexu, spouštěním fuzzy dotazů a generováním HTML s zvýrazněnými vyhledávacími výrazy — vše v Javě.

Rychlé odpovědi

  • Jaká knihovna pomáhá implementovat groupdocs search java? GroupDocs.Search for Java.
  • Mohu zvýraznit search terms java ve výsledcích? Ano—generated HTML can automatically wrap matches with <mark> tags.
  • Potřebuji licenci pro produkci? K dispozici je bezplatná zkušební verze; pro komerční použití je vyžadována plná licence.
  • Které IDE je nejlepší? Jakékoli Java IDE—IntelliJ IDEA, Eclipse nebo VS Code.
  • Je Maven podporován? Rozhodně—přidejte repozitář a závislost do vašeho pom.xml.

Co je GroupDocs.Search pro Java?

GroupDocs.Search je Java SDK, které indexuje a vyhledává text napříč více než 50+ formáty dokumentů (PDF, DOCX, XLSX, PPTX, TXT atd.) aniž by načítalo celý soubor do paměti. Nabízí fuzzy shodu, Boolean operátory, dotazy na fráze a vestavěné zvýrazňování výsledků, což z něj činí kompletní řešení pro prohledávatelné úložiště dokumentů.

Proč používat vyhledávání dokumentů v Javě s GroupDocs.Search?

Poskytuje rychlost s indexovaným vyhledáváním, které vrací výsledky za méně než 10 ms pro 10 k dokumentů, flexibilitu díky fuzzy vyhledávání, Boolean logice, dotazům na fráze a rozšíření synonym, zvýrazňování generováním HTML náhledů, které automaticky označují shody, a škálovatelnost provozem on‑premise, v cloudu nebo hybridních prostředích při zpracování souborů s stovkami stránek bez nadměrné spotřeby paměti.

Předpoklady

  • Java Development Kit (JDK) 8 nebo vyšší.
  • Maven (nebo ruční správa JAR souborů).
  • IDE jako IntelliJ IDEA, Eclipse nebo VS Code.
  • Základní znalost struktury Java projektu a Maven.

Nastavení GroupDocs.Search pro Java

Instalace pomocí Maven

Add the GroupDocs repository and the Search dependency to your 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

Pokud dáváte přednost nepoužívat Maven, stáhněte nejnovější JAR z oficiální stránky vydání: GroupDocs.Search for Java releases.

Kroky získání licence

  • Free Trial: Začněte s bezplatnou zkušební verzí pro prozkoumání funkcí.
  • Temporary License: Získejte ji přes GroupDocs’ official site.
  • Purchase: Zakupte plnou licenci pro neomezené používání v produkci.

Základní inicializace a nastavení

Index třída je hlavní komponentou, která představuje prohledávatelný index uložený na disku. Po vytvoření složky indexu vytvoříte objekt Index, který můžete přidávat, mazat nebo dotazovat dokumenty:

String indexFolder = "YOUR_DOCUMENT_DIRECTORY/ObtainSearchResultInformation";
Index index = new Index(indexFolder);

Jak vyhledávat dokumenty v Javě – Funkce 1: Extrahovat informace o výsledcích vyhledávání

Tato funkce vysvětluje, jak spustit dotaz, získat odpovídající dokumenty a získat podrobné údaje o výskytech pro každý termín. Dodržením kroků můžete vytvořit analytické dashboardy nebo generovat podrobné zprávy z výsledků vyhledávání.

Krok 1: Vytvořit index

Index třída je objekt nejvyšší úrovně, který ukládá prohledávatelná metadata na disku. Vytvořením ukazuje na složku, kde budou uloženy všechny soubory indexu:

String indexFolder = YOUR_DOCUMENT_DIRECTORY + "/ObtainSearchResultInformation";
Index index = new Index(indexFolder);
index.add(documentFolder);

Krok 2: Konfigurace možností vyhledávání (Povolit fuzzy vyhledávání)

SearchOptions vám umožňuje jemně ladit chování dotazu. Nastavením FuzzySearch na true povolíte přibližnou shodu, což je užitečné pro zpracování překlepů nebo OCR chyb:

SearchOptions options = new SearchOptions();
options.getFuzzySearch().setEnabled(true);
options.getFuzzySearch().setFuzzyAlgorithm(new TableDiscreteFunction(3));

Krok 3: Provedení vyhledávání

Index.search spustí dotaz proti připravenému indexu a vrátí kolekci SearchResult obsahující odpovídající dokumenty a výskyty termínů:

String query = "favourable OR \"ipsum dolor\"";
SearchResult result = index.search(query, options);

Objekt SearchResult obsahuje seznam dokumentů, které odpovídají dotazu, a jejich relevance skóre.

Krok 4: Extrahovat výskyty

Každá položka SearchResult poskytuje getOccurrences(), která vrací přesné pozice dotazovaných termínů uvnitř zdrojového souboru, což vám umožní vytvořit analytické dashboardy nebo podrobné zprávy:

for (int i = 0; i < result.getDocumentCount(); i++) {
    FoundDocument document = result.getFoundDocument(i);
    for (FoundDocumentField field : document.getFoundFields()) {
        if (field.getTerms() != null) {
            for (String term : field.getTerms()) {
                int occurrences = field.getTermsOccurrences()[field.getTerms().indexOf(term)];
                System.out.println("Term: " + term + ", Occurrences: " + occurrences);
            }
        }
        if (field.getTermSequences() != null) {
            for (String[] terms : field.getTermSequences()) {
                int occurrences = field.getTermSequencesOccurrences()[ArrayUtils.indexOf(field.getTermSequences(), terms)];
                StringBuilder sequence = new StringBuilder();
                for (String term : terms) {
                    sequence.append(term).append(" ");
                }
                System.out.println("Phrase: " + sequence.toString() + ", Occurrences: " + occurrences);
            }
        }
    }
}

Funkce 2: Zvýraznit vyhledávací výrazy Java v dokumentech

Vygenerujte HTML náhled, kde je každá shoda obalena tagem <mark>, což poskytuje koncovým uživatelům okamžité vizuální vodítko.

Krok 1: Nastavení indexu s vysokou kompresí

Vysoká komprese snižuje úložiště až o 70 %, přičemž udržuje rychlost dotazů v milisekundách. Před indexací upravte vlastnost CompressionLevel:

String indexFolder = YOUR_DOCUMENT_DIRECTORY + "/HighlightSearchResults";
IndexSettings settings = new IndexSettings();
settings.setTextStorageSettings(new TextStorageSettings(Compression.High));
Index index = new Index(indexFolder, settings);
index.add(documentFolder);

Krok 2: Provedení vyhledávání a zvýraznění výsledků

Po provedení vyhledávání zavolejte highlight() na objektu SearchResult, aby se vytvořil HTML soubor, který zvýrazní každý výskyt dotazovaného termínu. Metoda highlight() generuje HTML náhled s termíny obalenými tagy <mark>:

SearchResult result = index.search("solicitude");
if (result.getDocumentCount() > 0) {
    FoundDocument document = result.getFoundDocument(0);
    String path = YOUR_OUTPUT_DIRECTORY + "/Highlighted.html";
    OutputAdapter outputAdapter = new FileOutputAdapter(OutputFormat.Html, path);
    Highlighter highlighter = new DocumentHighlighter(outputAdapter);
    index.highlight(document, highlighter);
}

Praktické aplikace

  1. Legal Document Review – Najděte konkrétní klauzule napříč tisíci smluv během sekund.
  2. Academic Research – Extrahujte klíčové fráze z výzkumných prací pro literární přehledy.
  3. Customer Support – Identifikujte opakující se problémy v e‑mailových archivech pro zlepšení stránek FAQ.
  4. Content Management – Zvýrazněte SEO klíčová slova v článcích a blozích pro rychlé redakční kontroly.

Úvahy o výkonu

  • Compression: Vysoká komprese snižuje úložiště, ale může zvýšit využití CPU; proveďte benchmark s vaším typickým zatížením.
  • Memory Management: Indexujte dokumenty po dávkách 500 – 1 000 souborů, aby byl heap JVM pod kontrolou.
  • Index Refresh: Překlasifikujte změněné soubory každou noc, aby výsledky vyhledávání byly aktuální.

Závěr

Tento průvodce ukázal, jak implement groupdocs search java, extrahovat podrobné informace o výsledcích a highlight search terms java v HTML náhledech. Dodržením těchto kroků můžete poskytnout rychlé a uživatelsky přívětivé vyhledávací zážitky pro jakékoli úložiště dokumentů.

Další kroky

  • Vložte zvýrazněné HTML do vašeho webového UI pomocí <iframe> nebo server‑side renderingu.
  • Experimentujte s dalšími SearchOptions, jako jsou SynonymSearch nebo WildcardSearch.
  • Prozkoumejte referenci GroupDocs.Search API pro vlastní skórování, stránkování výsledků a podporu více jazyků.

Často kladené otázky

Q: Co je GroupDocs.Search?
A: GroupDocs.Search je Java SDK, které indexuje a vyhledává text napříč více než 50 formáty dokumentů, nabízí fuzzy shodu a zvýraznění výsledků.

Q: Jak funguje fuzzy vyhledávání?
A: Toleruje konfigurovatelný počet rozdílů znaků, což umožňuje shody u chybně napsaných slov nebo OCR chyb.

Q: Mohu používat GroupDocs.Search bez licence?
A: Ano, je k dispozici bezplatná zkušební verze, ale pro produkční nasazení je vyžadována plná licence.

Q: Jaké formáty souborů jsou podporovány?
A: PDF, DOCX, XLSX, PPTX, TXT a mnoho dalších — viz oficiální dokumentace pro kompletní seznam.

Q: Jak zobrazím zvýrazněné výsledky ve webové aplikaci?
A: Servírujte vygenerovaný HTML soubor přímo nebo vložte jeho obsah do stránky pomocí <iframe> nebo server‑side renderingu.

Poslední aktualizace: 2026-07-26
Testováno s: GroupDocs.Search 25.4
Autor: GroupDocs

Související tutoriály