Přidání dokumentů do indexu pro vyhledávání bez rozlišení velkých a malých písmen v Javě

Když potřebujete vyhledávání bez rozlišení velkých a malých písmen v Javě, které spolehlivě najde informace bez ohledu na to, jak je uživatelé zadávají, klíčové je přidat dokumenty do indexu při normalizaci textu. V tomto tutoriálu vás provedeme konfigurací GroupDocs.Search pro Java tak, aby každý dokument, který indexujete, byl během indexování automaticky převeden na malá písmena (nebo jinak transformován), což zaručuje výsledky bez rozlišení velikosti písmen bez další logiky během dotazu.

Rychlé odpovědi

• Co znamená „add documents to index“? To znamená načtení zdrojových souborů do vyhledávatelné datové struktury, aby je bylo možné později dotazovat.
• Proč použít nahrazení znaků? Normalizuje každý znak – obvykle na malá písmena – takže vyhledávání automaticky ignoruje rozdíly v velikosti písmen.
• Potřebuji licenci? Bezplatná zkušební verze funguje pro vývoj; plná licence je vyžadována pro nasazení do produkce.
• Jaká verze Javy je požadována? Java 8 nebo novější; knihovna cílí na Java 11+ pro optimální výkon.
• Mohu přepnout na vyhledávání s rozlišením velkých a malých písmen, pokud je potřeba? Ano – možnosti vyhledávání vám umožní přepínat rozlišení velikosti písmen pro jednotlivé dotazy.

Co znamená „add documents to index“ v GroupDocs.Search?

Načtěte své zdrojové soubory (PDF, DOCX, TXT atd.) do vyhledávatelného indexu, aby je engine mohl rychle načíst. Přidání dokumentů do indexu parsuje každý soubor, extrahuje prostý text a uloží jej do optimalizované datové struktury, která umožňuje rychlé vyhledávání.

Proč povolit nahrazení znaků během indexování?

Nahrazení znaků převádí každý znak na předdefinovaný ekvivalent – nejčastěji na malá písmena – během vytváření indexu. Tím se zajistí, že variace v kapitalizaci, diakritice nebo lokálně specifických symbolech neovlivní výsledky vyhledávání. Normalizací textu v čase indexování může engine porovnávat dotazy s konzistentním tokenovým souborem, což poskytuje rychlé, spolehlivé chování bez rozlišení velikosti písmen bez dalšího zpracování během každého vyhledávání.

Požadavky

• GroupDocs.Search for Java verze 25.4 nebo novější (knihovna podporuje více než 30 formátů souborů a může indexovat dokumenty s několika stovkami stránek, aniž by načítala celý soubor do paměti).
• Java Development Kit (JDK) 8 nebo novější nainstalovaný.
• Základní znalost Maven (nebo schopnost přidat JAR soubory ručně).

Nastavení GroupDocs.Search pro Java

Nastavení Maven

Přidejte repozitář GroupDocs a závislost 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

Pokud raději nepoužíváte Maven, stáhněte si nejnovější JAR z oficiální stránky: GroupDocs.Search for Java releases.

Získání licence

• Free Trial – stáhněte si zkušební licenci a začněte experimentovat.
• Temporary License – požádejte o prodlouženou testovací licenci prostřednictvím portálu GroupDocs.
• Full License – zakupte produkční licenci, až budete připraveni spustit do provozu.

Základní inicializace (vytvoření indexu)

Následující úryvek vytvoří složku indexu a povolí nahrazení znaků:

import com.groupdocs.search.Index;
import com.groupdocs.search.IndexSettings;

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterReplacementDuringIndexing";
IndexSettings settings = new IndexSettings();
settings.setUseCharacterReplacements(true);
Index index = new Index(indexFolder, settings);

Průvodce implementací

Povolení nahrazení znaků v nastavení indexu

Aktivace této funkce říká enginu, aby během indexování nahrazoval znaky, což je klíčový krok pro chování bez rozlišení velikosti písmen.

Krok 1: Konfigurace IndexSettings

IndexSettings je konfigurační objekt, který řídí, jak index ukládá a zpracovává text. Nastavením useCharacterReplacements na true zapnete automatické převádění na malá písmena (nebo jakékoli vlastní mapování, které poskytnete).

import com.groupdocs.search.Index;
import com.groupdocs.search.IndexSettings;

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterReplacementDuringIndexing";

// Create an instance of IndexSettings and enable character replacement.
IndexSettings settings = new IndexSettings();
settings.setUseCharacterReplacements(true);

// Initialize the index with these settings.
Index index = new Index(indexFolder, settings);

Konfigurace nahrazení znaků

Mapujte každý znak na jeho ekvivalent v malých písmenech (nebo jakékoli vlastní mapování, které potřebujete).

Krok 2: Definování a přidání párů nahrazení

Slovník nahrazení obsahuje páry jako 'A' → 'a', 'É' → 'e' atd. Přidání těchto párů před indexováním zajistí, že každý token bude normalizován.

import com.groupdocs.search.dictionaries.CharacterReplacementPair;

// Access existing replacements and clear them.
index.getDictionaries().getCharacterReplacements().clear();

// Create an array for new replacements.
CharacterReplacementPair[] characterReplacements = new CharacterReplacementPair[Character.MAX_VALUE + 1];
for (int i = 0; i < characterReplacements.length; i++) {
    char originalChar = (char) i;
    char replacementChar = Character.toLowerCase(originalChar);
    characterReplacements[i] = new CharacterReplacementPair(originalChar, replacementChar);
}

// Add these replacements to the index's dictionary.
index.getDictionaries().getCharacterReplacements().addRange(characterReplacements);

Indexování dokumentů

Nyní, když je index připraven, můžete add documents to index z libovolné složky.

Krok 3: Přidání dokumentů pro indexování

GroupDocs.Search prohledá cílový adresář, extrahuje text z každého podporovaného typu souboru, použije mapu nahrazení a zapíše tokeny do úložiště indexu.

import com.groupdocs.search.Index;

String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

// Initialize the index and add documents.
Index index = new Index(indexFolder, settings);
index.add(documentFolder);

Provedení vyhledávání s rozlišením velikosti písmen (volitelné)

Krok 4: Provedení vyhledávání s rozlišením velikosti písmen

SearchOptions konfiguruje chování dotazu, například přepínání rozlišení velikosti písmen, což umožňuje jemnou kontrolu nad tím, jak jsou vyhledávání prováděna.
SearchOptions.setUseCaseSensitiveSearch(true) nutí engine považovat velká a malá písmena za odlišná během konkrétního dotazu, čímž přepíše výchozí chování bez rozlišení velikosti písmen.

import com.groupdocs.search.Index;
import com.groupdocs.search.SearchOptions;
import com.groupdocs.search.results.SearchResult;

String query = "Promotion";
SearchOptions options = new SearchOptions();
options.setUseCaseSensitiveSearch(true);

// Perform the search.
Index index = new Index(indexFolder, settings);
SearchResult result = index.search(query, options);

Praktické aplikace

1. Marketingové kampaně – Normalizujte názvy produktů, aby prodejní týmy mohly najít materiály bez starostí o velikost písmen.
2. Zákaznická podpora – Pohánějte vyhledávací pole helpdesku, které vrátí správný článek, ať už uživatel napíše „login“ nebo „Login“.
3. E‑commerce katalogy – Zajistěte, aby zákazníci našli položky bez ohledu na to, jak zadávají názvy produktů, což zvyšuje konverzní poměr.

Úvahy o výkonu

• Organizujte zdrojové soubory – Přehledná hierarchie složek snižuje čas potřebný k prohledávání během kroku add documents to index.
• Sledujte paměť – Indexování velkých korpusů může spotřebovat značnou RAM; zpracování souborů v dávkách po 500 – 1 000 položkách udržuje využití haldy pod kontrolou.
• Asynchronní indexování – Pokud je podporováno, spusťte indexování na pozadí, aby UI zůstalo responzivní a neblokovalo uživatelské operace.

Časté problémy a řešení

Často kladené otázky

Q: Jak mám během indexování zacházet se speciálními znaky (např. “é”, “ß”)?
A: Zařaďte tyto znaky do svého slovníku nahrazení, mapujte je na jejich ASCII ekvivalenty nebo je ponechte beze změny podle požadavků vyhledávání.

Q: Mohu omezit nahrazení znaků na konkrétní jazyk?
A: Ano. Vytvořte vlastní pole nahrazení, které obsahuje pouze znaky pro cílový jazyk, a přidejte jej do slovníku.

Q: Co mám dělat, pokud načítání indexu trvá dlouho?
A: Optimalizujte strukturu složek, odstraňte zbytečné soubory a uložte index na vysokorychlostní SSD. Inkrementální indexování také snižuje zátěž načítání.

Q: Je možné po indexování vrátit zpět nahrazení znaků?
A: Ne. Nahrazení jsou zakódována v indexovaných datech; musíte index přestavět s novým nastavením, abyste je změnili.

Q: Kde najdu podrobnější dokumentaci API?
A: Oficiální dokumentace a reference API poskytují podrobné informace (viz zdroje níže).

Zdroje

• Dokumentace
• Reference API
• Stáhnout GroupDocs.Search
• Repozitář na GitHubu
• Bezplatné fórum podpory
• Informace o dočasné licenci

Poslední aktualizace: 2026-07-31
Testováno s: GroupDocs.Search 25.4 pro Java
Autor: GroupDocs

Související tutoriály

• Nahrazení znaků v GroupDocs.Search Java: Komplexní průvodce pro zlepšení vyhledávání textu a indexování
• Přidání dokumentů do indexu: vyhledávání s rozlišením velikosti písmen v Javě s GroupDocs
• Jak přidat dokumenty do indexu pomocí GroupDocs.Search pro Java