Vyhledávání a redakce dokumentů v .NET s GroupDocs.Search & GroupDocs.Redaction

V moderních podnikových prostředích jsou schopnosti search and redact nezbytné pro ochranu citlivých informací a zároveň pro snadné vyhledávání dokumentů. Tento tutoriál vás provede vytvořením robustního .NET řešení, které kombinuje GroupDocs.Search pro rychlé full‑textové vyhledávání s GroupDocs.Redaction pro bezpečné odstranění důvěrných dat. Na konci budete vědět, jak nastavit knihovny, vytvořit vlastní segmentátor textu, spustit vysoce výkonná vyhledávání a bezpečně aplikovat redakce.

Rychlé odpovědi

  • Co znamená “search and redact”? Znamená to vyhledávání textu v dokumentech a jeho trvalé zakrytí.
  • Které knihovny jsou vyžadovány? GroupDocs.Search a GroupDocs.Redaction pro .NET.
  • Mohu zpracovávat vícejazyčný obsah? Ano — použijte vlastní segmentátor textu k správnému rozdělení slov.
  • Jak zlepšit rychlost vyhledávání? Indexujte jednou, znovu použijte index a povolte nastavení optimize search performance.
  • Co když indexování selže? Postupujte podle pokynů „handle indexing errors“ v sekci řešení problémů.

Co je “search and redact”?

Search and redact je proces vyhledání konkrétních výrazů v kolekci dokumentů a následného trvalého zakrytí nebo odstranění těchto výrazů za účelem ochrany soukromí nebo splnění regulatorních požadavků. Kombinuje full‑textové vyhledávání pro nalezení citlivých informací s nástroji pro redakci, které nahrazují obsah při zachování původního rozvržení dokumentu.

Proč použít GroupDocs.Search a GroupDocs.Redaction společně?

GroupDocs.Search podporuje 50+ formátů souborů a dokáže indexovat 100 000+ dokumentů za méně než minutu na typickém serverovém hardware, zatímco GroupDocs.Redaction může aplikovat redakce na PDF, DOCX, PPTX a další bez změny původního rozvržení. Kombinace těchto knihoven poskytuje jediné řešení, které optimalizuje výkon vyhledávání a elegantně řeší chyby indexování.

Požadavky

  • Visual Studio 2022 nebo novější s podporou .NET 6+.
  • NuGet balíčky: GroupDocs.Search a GroupDocs.Redaction (nejnovější stabilní verze).
  • Platná licence GroupDocs (zkušební nebo zakoupená).

Požadované knihovny

  • GroupDocs.Search – Poskytuje indexování, dotazování a vlastní segmentaci.
  • GroupDocs.Redaction – Nabízí redakci textu, obrázků a metadat napříč podporovanými formáty.

Požadavky na nastavení prostředí

Ujistěte se, že váš vývojový počítač má oprávnění k zápisu do složky, kde bude index uložen.

Předpoklady znalostí

  • Znalost C# a struktury .NET projektů.
  • Základní pochopení konceptů zpracování dokumentů (volitelné, ale užitečné).

Jak nainstalovat GroupDocs.Redaction pro .NET?

Můžete přidat balíček Redaction do svého projektu pomocí .NET CLI nebo NuGet Package Manageru. Příkaz stáhne nejnovější stabilní verzi a zaregistruje ji ve vašem souboru projektu, čímž okamžitě zpřístupní API.

dotnet add package GroupDocs.Redaction

Jak získat licenci pro GroupDocs?

GroupDocs nabízí tři licenční možnosti: bezplatnou zkušební verzi pro hodnocení, dočasnou licenci pro rozšířené testování vývoje a plnou komerční licenci pro produkční použití. Zkušební verze poskytuje omezenou funkčnost, zatímco dočasný klíč prodlužuje evaluační období a zakoupená licence odemyká všechny funkce a prioritu podpory.

Jak inicializovat GroupDocs.Redaction v mé aplikaci?

Třída Redaction je hlavním vstupním bodem pro aplikaci redakcí na podporované dokumenty. Načte soubor, připraví objekty redakce a spustí proces redakce, přičemž vrátí upravený dokument při zachování původního rozvržení. Můžete také konfigurovat možnosti redakce, jako jsou barva, překrytí a odstranění metadat, aby vyhovovaly konkrétním požadavkům na soulad.

using GroupDocs.Redaction;

// Initialize Redactor with the document path
Redactor redactor = new Redactor("path/to/document.pdf");

Jak nastavit index pomocí GroupDocs.Search?

Třída Index představuje vyhledávatelný úložiště uložené na disku. Spravuje vytváření, aktualizaci a dotazování indexu, umožňuje přidávat dokumenty, přestavovat index a provádět rychlá vyhledávání napříč velkými kolekcemi. Složka indexu může být umístěna na lokálním nebo síťovém úložišti a můžete konfigurovat kompresi a šifrování pro ochranu indexovaných dat.

using GroupDocs.Search;

// Specify the index folder path
string indexFolder = @"YOUR_DOCUMENT_DIRECTORY/AdvancedUsage/Indexing/CustomTextSegmenter";

// Initialize the index
Index index = new Index(indexFolder);

Co je vlastní textový segmentátor a proč jej použít?

Vlastní segmentátor textu určuje, jak je surový text rozdělen na vyhledávatelné tokeny. Přizpůsobením pravidel segmentace pro konkrétní jazyky nebo domény zvyšujete přesnost tokenizace, což vede k vyšší úplnosti a relevance výsledků vyhledávání. To je zvláště užitečné pro jazyky s komplexními hranicemi slov, jako je japonština nebo arabština, kde výchozí tokenizéry mohou slova rozdělovat nesprávně.

// Define a search query using Chinese language text
string query = "考虑"; // The word 'consider' in Chinese

Jak provést full‑textové vyhledávání s vlastním segmentátorem?

Objekt SearchQuery zapouzdřuje uživatelský dotaz a spolupracuje s vlastním segmentátorem při hledání shod. Podporuje fuzzy vyhledávání, fráze a vážení, vrací sadu výsledků s ID dokumentů, pozicemi zásahů a skóre relevance. Můžete také použít filtry, jako je typ souboru nebo časové rozmezí, pro zúžení výsledků a přesnější cílení.

// Execute the search on indexed data
SearchResult result = index.Search(query);

// Process results to analyze findings or display them
foreach (FoundDocument doc in result)
{
    Console.WriteLine($"Document: {doc.DocumentInfo.FilePath}");
}

Jak aplikovat redakce po nalezení citlivého textu?

API Redaction vám umožní nahradit nebo odstranit text, obrázky a metadata v podporovaných dokumentech. Po identifikaci citlivých výrazů vytvoříte objekty redakce, aplikujete je a uložíte redigovaný soubor, čímž zajistíte trvalé skrytí důvěrných informací. Možnosti redakce zahrnují překrytí černými rámečky, použití vlastních barev nebo odstranění celých objektů při zachování struktury dokumentu.

using (Redactor redactor = new Redactor("path/to/document.pdf"))
{
    // Define the redaction settings and criteria
    TextRedaction textRedaction = new TextRedaction("Sensitive Information", new ReplacementOptions("[REDACTED]"));
    
    // Apply the redaction to the document
    RedactorChangeLog log = redactor.Apply(textRedaction);

    if (log.Status != RedactionStatus.Failed)
    {
        redactor.Save();
    }
}

Časté problémy a jak řešit chyby indexování

  • Index nenalezen: Ověřte, že cesta k indexu existuje a aplikace má oprávnění číst/zapisovat.
  • Vyhledávání nevrací žádné výsledky: Znovu spusťte proces indexování a ujistěte se, že vlastní segmentátor je správně zaregistrován.
  • Redakce selhává u některých formátů: Ověřte, že typ souboru je podporován; pro PDF použijte nejnovější verzi Redaction, která podporuje funkce PDF 2.0.

Praktické aplikace

  1. Správa právních dokumentů: Vyhledávejte ve smlouvách termín “non‑disclosure” a automaticky redactujte klauzule před externím sdílením.
  2. Akademický výzkum: Najděte nepublikovaná data v rukopisech a skryjte je pro proces recenzování.
  3. Obchodní smlouvy: Hromadně zpracovávejte tisíce smluv, redactujte osobní identifikátory a zachovejte právní jazyk.

Jak optimalizovat výkon vyhledávání pro velké sady dokumentů?

Pro maximální výkon indexujte dokumenty jednou a znovu použijte stejný index pro následné dotazy. Povolit paralelní zpracování, konfigurovat kešování a ladit nastavení indexu pro snížení latence a zvýšení propustnosti na vícejádrových serverech. Navíc nastavte příznak EnableMemoryMapping, aby byl index paměťově mapován, což urychluje čtení velkých datových sad.

Jak spravovat paměť .NET při práci s velkými soubory?

Efektivní správa paměti je klíčová při zpracování velkých dokumentů. Obalte objekty Index a Redaction v using blocích, aby byla zajištěna deterministická likvidace, a zpracovávejte soubory jako streamy místo načítání celých dokumentů do paměti. Monitorování výkonových čítačů pomáhá včas odhalit špičky paměti, což vám umožní upravit velikosti batchů nebo ladit garbage collection.

Často kladené otázky

Q: Mohu použít GroupDocs.Search s netextovými metadaty?
A: Ano — pole metadat mohou být indexována spolu s obsahem dokumentu, což umožňuje vyhledávání jako “author:JohnDoe”.

Q: Podporuje GroupDocs.Redaction real‑time redakci ve webovém API?
A: Ano; můžete volat Redaction API synchronně pro malé soubory nebo zařadit větší úlohy do fronty pro asynchronní zpracování.

Q: Co mám dělat, když se index poškodí?
A: Odstraňte poškozenou složku indexu a znovu jej vytvořte pomocí stejné rutiny indexování; knihovna zaznamenává podrobné chybové zprávy, které vám pomohou identifikovat příčinu.

Q: Je možné zobrazit náhled redigovaných dokumentů před uložením?
A: Rozhodně — zavolejte redaction.Apply() s příznakem preview a vygenerujete dočasnou verzi k revizi.

Q: Které verze .NET jsou oficiálně podporovány?
A: GroupDocs.Search a GroupDocs.Redaction podporují .NET 6, .NET 5, .NET Core 3.1 a .NET Framework 4.6.2+.

Zdroje

Last Updated: 2026-06-12
Tested With: GroupDocs.Search 23.11, GroupDocs.Redaction 23.11 for .NET
Author: GroupDocs

Install-Package GroupDocs.Redaction

Související tutoriály