Υλοποίηση Υψηλής Συμπίεσης .NET με GroupDocs: Οδηγός Κειμένου & Αποκόλλησης

Σε σύγχρονες λύσεις .NET, η implement high compression .net είναι απαραίτητη όταν χρειάζεται να αποθηκεύσετε τεράστιες συλλογές κειμένου χωρίς να αυξήσετε την χρήση δίσκου. Ταυτόχρονα, η προστασία ευαίσθητων πληροφοριών—όπως προσωπικά αναγνωριστικά ή οικονομικά στοιχεία—απαιτεί αξιόπιστη αποκόλληση. Αυτό το εκπαιδευτικό υλικό σας δείχνει, βήμα‑βήμα, πώς να ρυθμίσετε την αποθήκευση κειμένου με υψηλή συμπίεση χρησιμοποιώντας το GroupDocs.Search και πώς να αφαιρέσετε με ασφάλεια εμπιστευτικά δεδομένα χρησιμοποιώντας το GroupDocs.Redaction. Στο τέλος, θα μπορείτε να συμπιέσετε το ευρετηριασμένο κείμενο έως και 90 % και να αφαιρέσετε ιδιωτικό περιεχόμενο από PDFs, αρχεία Word και πολλές άλλες μορφές.

Γρήγορες Απαντήσεις

  • Ποια βιβλιοθήκη παρέχει ευρετηρίαση υψηλής συμπίεσης; GroupDocs.Search for .NET.
  • Ποιο εργαλείο αποκόπτει ευαίσθητα δεδομένα; GroupDocs.Redaction for .NET.
  • Μπορώ να προσθέσω έγγραφα στο ευρετήριο αυτόματα; Yes—use the AddDocument API inside a folder‑scan loop.
  • Είναι η συμπίεση χωρίς απώλειες για την αναζήτηση; Yes, the text remains fully searchable after compression.
  • Χρειάζομαι άδεια για παραγωγή; A permanent GroupDocs license is required for commercial use.

Τι είναι το “implement high compression .net”;

Το “implement high compression .net” σημαίνει τη διαμόρφωση της μηχανής ευρετηρίασης GroupDocs.Search ώστε να αποθηκεύει το εξαγόμενο κειμενικό περιεχόμενο σε συμπιεσμένη μορφή. Αυτό μειώνει δραστικά το μέγεθος του ευρετηρίου στον δίσκο, διατηρώντας το κείμενο πλήρως αναζητήσιμο. Η συμπίεση είναι χωρίς απώλειες, έτσι η συνάφεια των ερωτημάτων και η εξαγωγή αποσπασμάτων λειτουργούν ακριβώς όπως σε ένα μη συμπιεσμένο ευρετήριο.

Γιατί να χρησιμοποιήσετε το GroupDocs για συμπίεση και αποκόλληση;

Το GroupDocs.Search υποστηρίζει περισσότερες από πενήντα μορφές εισόδου και μπορεί να συμπιέσει το ευρετηριασμένο κείμενο έως και το ενενήντα τοις εκατό, επιτρέποντας σε μεγάλες συλλογές εγγράφων να καταλαμβάνουν μόνο ένα κλάσμα του αρχικού μεγέθους. Το GroupDocs.Redaction συμπληρώνει αυτό το σενάριο διαγράφοντας μόνιμα ή καλύπτοντας ευαίσθητες πληροφορίες σε πάνω από τριάντα τύπους αρχείων, βοηθώντας σας να τηρήσετε αυστηρούς κανονισμούς συμμόρφωσης όπως GDPR και HIPAA χωρίς πρόσθετα εργαλεία.

Προαπαιτούμενα

  • Περιβάλλον ανάπτυξης: Visual Studio 2022 ή νεότερο, .NET 6+ (ή .NET Framework 4.7.2).
  • Βιβλιοθήκες: GroupDocs.Search και GroupDocs.Redaction NuGet packages.
  • Δικαιώματα: Read/write access to the folders that contain source documents and the index output location.
  • Βασικές γνώσεις: C# syntax, file I/O, and familiarity with .NET project structure.

Πώς να υλοποιήσετε υψηλή συμπίεση .NET με το GroupDocs;

Για να υλοποιήσετε υψηλή συμπίεση .NET με το GroupDocs, πρώτα δημιουργήστε ένα αντικείμενο TextStorageSettings και ορίστε το CompressionLevel του σε High. Στη συνέχεια, δημιουργήστε ένα αντικείμενο Index, περνώντας τις ρυθμίσεις και το φάκελο όπου θα αποθηκευτεί το ευρετήριο. Μόλις το ευρετήριο είναι έτοιμο, προσθέστε έγγραφα χρησιμοποιώντας το AddDocument, και τέλος εκτελέστε αναζητήσεις με τη μέθοδο Search, ενώ η μηχανή διαχειρίζεται διαφανώς τη συμπίεση και αποσυμπίεση.

Βήμα 1: Εγκατάσταση των απαιτούμενων πακέτων NuGet

.NET CLI

dotnet add package GroupDocs.Search

dotnet add package GroupDocs.Redaction

Package Manager

Install-Package GroupDocs.Search

Install-Package GroupDocs.Redaction

NuGet Package Manager UI

  • Αναζητήστε το “GroupDocs.Search” και κάντε κλικ στο Install.

Βήμα 2: Εγκατάσταση του GroupDocs.Redaction (για αποκόλληση δεδομένων)

  • Ανοίξτε το NuGet Package Manager.
  • Αναζητήστε το GroupDocs.Redaction και εγκαταστήστε την πιο πρόσφατη σταθερή έκδοση.

Βήμα 3: Απόκτηση και εφαρμογή άδειας

  • Δωρεάν δοκιμή: Register on the GroupDocs portal for a 30‑day trial key.
  • Προσωρινή άδεια: Request a temporary key for development environments.
  • Μόνιμη άδεια: Purchase a production license to remove evaluation limitations.

Βήμα 4: Βασική αρχικοποίηση και των δύο βιβλιοθηκών

The Search and Redaction engines share a common licensing model. Initialize them at application startup:

// Initialize GroupDocs.Search
var searchLicense = new License();
searchLicense.SetLicense("path/to/search.lic");

// Initialize GroupDocs.Redaction
var redactionLicense = new License();
redactionLicense.SetLicense("path/to/redaction.lic");

using GroupDocs.Redaction;
// Initialize the Redactor with your document path
Redactor redactor = new Redactor("YOUR_DOCUMENT_PATH");

Χαρακτηριστικό 1: Ρυθμίσεις Αποθήκευσης Κειμένου Υψηλής Συμπίεσης

Ρύθμιση Διαμόρφωσης Ευρετηρίασης

TextStorageSettings είναι η κλάση που λέει στο GroupDocs.Search πώς να διατηρεί το εξαγόμενο κείμενο. Η ενεργοποίηση υψηλής συμπίεσης μειώνει το μέγεθος του ευρετηρίου έως και 10× χωρίς να επηρεάζει την ταχύτητα αναζήτησης.

var textStorage = new TextStorageSettings
{
    Compression = CompressionLevel.High,   // Enables maximum compression
    UseMemoryCache = false                // Reduces RAM usage for huge indexes
};

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Επεξήγηση:

  • CompressionLevel.High ενεργοποιεί έναν αλγόριθμο βασισμένο σε ZSTD που συμπιέζει τα μπλοκ κειμένου αποδοτικά.
  • UseMemoryCache = false αναγκάζει τη μηχανή να μεταδίδει δεδομένα από το δίσκο, κάτι που είναι ιδανικό για μεγάλες εγκαταστάσεις.

Δημιουργία και Διαχείριση του Ευρετηρίου

Το αντικείμενο Index αντιπροσωπεύει το αποθετήριο αναζήτησης στον δίσκο. Καθορίζετε το φάκελο όπου θα αποθηκευτούν τα αρχεία του ευρετηρίου και περνάτε τις ρυθμίσεις συμπίεσης που ορίστηκαν παραπάνω.

var indexFolder = @"C:\Indexes\HighCompression";
var settings = new IndexSettings { TextStorage = textStorage };
var index = new Index(indexFolder, settings);

string indexFolder = "/path/to/your/index/directory";
Index index = new Index(indexFolder, settings);

Επεξήγηση:

  • indexFolder καθορίζει πού βρίσκονται τα συμπιεσμένα αρχεία ευρετηρίου.
  • settings ενσωματώνει τη διαμόρφωση υψηλής συμπίεσης, εξασφαλίζοντας ότι κάθε προστιθέμενο έγγραφο ωφελείται από αυτήν.

Χαρακτηριστικό 2: Προσθήκη Εγγράφων στο Ευρετήριο

Προσθήκη Εγγράφων στο Ευρετήριό σας

AddDocument προσθέτει ένα μεμονωμένο αρχείο στο ευρετήριο, εξάγοντας το κείμενό του, το συμπιέζει σύμφωνα με τις ρυθμίσεις και αποθηκεύει το αποτέλεσμα. Το GroupDocs.Search μπορεί να επεξεργαστεί αρχεία από ένα δέντρο καταλόγων. Ο παρακάτω βρόχος διασχίζει το documentsFolder, προσθέτει κάθε αρχείο και καταγράφει την πρόοδο.

var documentsFolder = @"C:\SourceDocs";
foreach (var filePath in Directory.GetFiles(documentsFolder, "*.*", SearchOption.AllDirectories))
{
    index.AddDocument(filePath);
}

string documentsFolder = "/path/to/your/documents";
index.Add(documentsFolder);

Επεξήγηση:

  • AddDocument αναλύει το αρχείο, εξάγει το αναζητήσιμο κείμενο, το συμπιέζει σύμφωνα με το TextStorageSettings και το αποθηκεύει στο ευρετήριο.
  • Αυτή η προσέγγιση λειτουργεί για PDF, DOCX, TXT, HTML και περισσότερα από 30 άλλα μορφότυπα.

Χαρακτηριστικό 3: Εκτέλεση Ερωτήματος Αναζήτησης

Εκτέλεση Αναζήτησης

Search εκτελεί ένα ερώτημα στο συμπιεσμένο ευρετήριο και επιστρέφει μια συλλογή από αντικείμενα DocumentResult που ταιριάζουν, με βαθμολογίες συνάφειας και επισημασμένα αποσπάσματα. Μόλις το ευρετήριο είναι γεμάτο, μπορείτε να εκτελείτε γρήγορα ερωτήματα. Η μέθοδος Search επιστρέφει μια συλλογή από αντικείμενα DocumentResult που περιλαμβάνουν διαδρομές αρχείων και επισημασμένα αποσπάσματα.

var query = "confidential";
var results = index.Search(query);
foreach (var result in results)
{
    Console.WriteLine($"{result.FilePath} – Score: {result.Score}");
}

string query = "searchTerm";
SearchResult result = index.Search(query);

Επεξήγηση:

  • Η μηχανή αναζήτησης σαρώνει το συμπιεσμένο κείμενο άμεσα, έτσι η καθυστέρηση του ερωτήματος παραμένει χαμηλή ακόμη και για ευρετήρια που περιέχουν εκατομμύρια σελίδες.
  • Score υποδεικνύει τη συνάφεια· υψηλότερες τιμές σημαίνουν καλύτερη αντιστοίχιση.

Πώς να αποκόψετε εμπιστευτικά δεδομένα με το GroupDocs.Redaction;

Η αποκόλληση εμπιστευτικών δεδομένων με το GroupDocs.Redaction ξεκινά με τη δημιουργία μιας παρουσίας Redactor για το αρχείο-στόχο. Ορίστε ένα ή περισσότερα αντικείμενα SearchPattern που περιγράφουν το κείμενο που πρέπει να αφαιρεθεί, όπως κανονικές εκφράσεις για αριθμούς κοινωνικής ασφάλισης. Εφαρμόστε κάθε μοτίβο χρησιμοποιώντας το Redact, καθορίζοντας έναν RedactionType όπως BlackOut, και αποθηκεύστε το αποτέλεσμα ως νέο έγγραφο, διασφαλίζοντας ότι το αρχικό παραμένει αμετάβλητο.

Redactor είναι η κύρια κλάση στο GroupDocs.Redaction που χρησιμοποιείται για τη φόρτωση ενός εγγράφου και την εκτέλεση λειτουργιών αποκόλλησης.
SearchPattern ορίζει μια κανονική έκφραση που εντοπίζει το κείμενο προς αποκόλληση.

var redactor = new Redactor(@"C:\Docs\Sensitive.pdf");
redactor.Apply(new RedactionOptions
{
    SearchPattern = @"\b\d{3}-\d{2}-\d{4}\b", // SSN pattern
    RedactionColor = Color.Black,
    RedactionType = RedactionType.BlackOut
});
redactor.Save(@"C:\Docs\Sensitive_redacted.pdf");

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Επεξήγηση:

  • SearchPattern χρησιμοποιεί μια κανονική έκφραση για τον εντοπισμό αριθμών κοινωνικής ασφάλισης.
  • RedactionType.BlackOut αντικαθιστά το ταιριαστό κείμενο με ένα συμπαγές μαύρο ορθογώνιο, εξασφαλίζοντας ότι τα δεδομένα δεν μπορούν να ανακτηθούν.

Πρακτικές Εφαρμογές

  1. Διαχείριση Νομικών Εγγράφων: Automatically compress massive case files and redact client identifiers before archiving.
  2. Ιατρικά Αρχεία: Store years of patient notes in a compressed index and remove PHI (Protected Health Information) before sharing with research partners.
  3. Οικονομική Αναφορά: Secure quarterly reports by redacting account numbers while keeping the searchable text for audit queries.

Παράγοντες Απόδοσης

  • Επίδραση Συμπίεσης: High compression reduces index size by up to 90 %, which lowers SSD wear and speeds up backup operations.
  • Χρήση Μνήμης: Disable in‑memory caching for very large indexes to keep the process footprint under 500 MB.
  • Βελτιστοποίηση I/O: Batch document addition in groups of 100 to minimize disk thrashing.
  • Ασύγχρονη επεξεργασία: Wrap AddDocument calls in Task.Run to keep UI threads responsive in desktop apps.

Συνηθισμένα Προβλήματα & Επίλυση

  • Λανθασμένες διαδρομές αρχείων: Verify that documentsFolder and indexFolder are absolute paths and that the application has read/write permissions.
  • Σφάλματα άδειας: Ensure the .lic files are deployed alongside the executable or embedded as resources.
  • Η αναζήτηση δεν επιστρέφει αποτελέσματα: Check that the TextStorageSettings compression level matches the one used during indexing; mismatched settings can cause deserialization failures.

Συχνές Ερωτήσεις

Q: Μπορώ να προσθέσω έγγραφα στο ευρετήριο μετά την αρχική δημιουργία;
A: Ναι—απλώς καλέστε index.AddDocument για νέα αρχεία· η μηχανή ενημερώνει το συμπιεσμένο ευρετήριο προοδευτικά.

Q: Η αποκόλληση αλλάζει το αρχικό αρχείο;
A: Όχι—το αρχικό αρχείο παραμένει αμετάβλητο· η αποκοπείσα έκδοση αποθηκεύεται ως νέο αρχείο, διατηρώντας την ακεραιότητα του εγγράφου.

Q: Ποιες μορφές υποστηρίζει το GroupDocs.Redaction;
A: Over 30 formats, including PDF, DOCX, PPTX, XLSX, images (PNG, JPEG), and plain text.

Q: Πώς η υψηλή συμπίεση επηρεάζει τη συνάφεια της αναζήτησης;
A: It does not. The compression is loss‑less for text, so relevance scores are identical to an uncompressed index.

Q: Υπάρχει όριο στο μέγεθος των εγγράφων που μπορώ να ευρετηριάσω;
A: GroupDocs.Search can handle multi‑gigabyte files by streaming content; however, ensure sufficient disk space for the compressed index (approximately 10 % of the original size).

Πόροι

Τελευταία Ενημέρωση: 2026-06-07
Δοκιμασμένο Με: GroupDocs.Search 23.12 and GroupDocs.Redaction 23.12 for .NET
Συγγραφέας: GroupDocs

Σχετικές Οδηγίες