Cómo crear un índice con GroupDocs.Search para Java

Si necesita how to create index para miles de archivos legales, académicos o empresariales, GroupDocs.Search para Java le brinda un motor listo para usar que extrae texto, construye una estructura de búsqueda compacta y le permite ejecutar consultas regex, difusas o con comodines en milisegundos. En este tutorial verá cómo configurar el SDK, crear un índice, agregar documentos a él y ejecutar búsquedas potentes basadas en patrones.

Respuestas rápidas

  • What is the primary purpose of GroupDocs.Search? Para crear índices buscables para una amplia gama de formatos de documentos.
  • Can I add documents to index after it’s created? Sí—use el método index.add() para incluir nuevos archivos.
  • Does GroupDocs.Search support fuzzy search in Java? Absolutamente; habilítelo a través de SearchOptions.
  • How do I run a wildcard query in Java? Créela con SearchQuery.createWildcardQuery().
  • Is a license required for production use? Se necesita una licencia válida de GroupDocs.Search para implementaciones comerciales.

SearchOptions configura el comportamiento de búsqueda como la coincidencia difusa.
SearchQuery.createWildcardQuery() crea un objeto de consulta con comodín.

Qué significa “how to create index” en el contexto de GroupDocs.Search?

Crear un índice significa escanear uno o más documentos fuente, extraer texto buscable y almacenar esa información en un formato estructurado que pueda ser consultado de manera eficiente. Este proceso construye una estructura de datos compacta en disco que permite búsquedas ultrarrápidas entre miles de archivos, incluso cuando los documentos originales son grandes o están almacenados en diferentes formatos.

¿Por qué usar GroupDocs.Search para Java?

GroupDocs.Search ofrece una solución probada y de nivel empresarial que soporta más de 30 formatos de entrada y salida—incluidos PDF, DOCX, XLSX, PPTX, HTML y archivos de texto plano—mientras brinda tiempos de respuesta de consulta de menos de un segundo para índices que contienen millones de páginas. Sus capacidades integradas de búsqueda difusa, con comodines y regex search java le permiten manejar errores tipográficos, coincidencia de patrones y escenarios de búsqueda complejos sin escribir analizadores personalizados.

Requisitos previos

  • GroupDocs.Search para Java versión 25.4 o posterior.
  • Un IDE como IntelliJ IDEA o Eclipse con soporte Maven.
  • JDK 11 o posterior instalado en su máquina de desarrollo.
  • Conocimientos básicos de la sintaxis de Java y conceptos de búsqueda.

Configuración de GroupDocs.Search para Java

Puede agregar la biblioteca a través de Maven o descargarla manualmente.

Configuración de Maven

<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>

Descarga directa
Alternativamente, descargue la última versión desde GroupDocs.Search for Java releases.

Obtención de licencia

  • Free trial: Explore todas las funciones sin costo.
  • Temporary license: Extienda el uso de prueba para proyectos de evaluación.
  • Full license: Requerida para implementaciones en producción y para desbloquear indexación ilimitada.

Una vez que la biblioteca esté disponible, inicialícela en su código Java:

import com.groupdocs.search.*;

public class InitializeSearch {
    public static void main(String[] args) {
        // Create an index instance
        Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output");
        
        System.out.println("GroupDocs.Search initialized successfully.");
    }
}

Cómo crear un índice con GroupDocs.Search

Cargue sus archivos fuente, apunte el SDK a una carpeta y permita que construya la estructura buscable en una sola llamada. Este enfoque crea el índice en menos de un minuto para una colección típica de documentos de 10 GB en un servidor estándar.

Definiendo rutas

String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";

Creando el índice

Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);

Agregando documentos al índice

index.add(documentsFolder);
System.out.println("Documents added to the index.");

Consejo profesional: Asegúrese de que los directorios existan y contengan solo los archivos que desea buscar; los archivos no relacionados pueden inflar el índice.

Consulta de palabra simple con opciones de búsqueda difusa (fuzzy search java)

La búsqueda difusa ayuda cuando los usuarios escriben mal una palabra o cuando OCR introduce errores. El SDK expande automáticamente la consulta para incluir términos similares basados en la distancia de edición.

SearchQuery subquery = SearchQuery.createWordQuery("future");
subquery.setSearchOptions(new SearchOptions());
subquery.getSearchOptions().getFuzzySearch().setEnabled(true);
subquery.getSearchOptions().getFuzzySearch()
        .setFuzzyAlgorithm(new TableDiscreteFunction(3));
System.out.println("Fuzzy search enabled with a tolerance of 3.");

Consulta con comodín Java

Las consultas con comodín le permiten coincidir patrones como cualquier palabra que comience con un prefijo específico, usando los marcadores * o ?.

SearchQuery.createWildcardQuery() crea un objeto de consulta con comodín.

SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");

Búsqueda regex Java

Las expresiones regulares le brindan un control detallado sobre la coincidencia de patrones, perfecto para encontrar caracteres repetidos o estructuras de tokens complejas.

SearchQuery.createRegexQuery() crea un objeto de consulta regex para la coincidencia de patrones.

SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");

Combinando subconsultas en una consulta de búsqueda de frase

Puede mezclar subconsultas de palabras, comodines y regex para construir búsquedas de frase sofisticadas que respeten el orden y la proximidad.

SearchQuery subquery1 = SearchQuery.createWordQuery("future");
SearchQuery subquery2 = SearchQuery.createWildcardQuery(1);
SearchQuery subquery3 = SearchQuery.createRegexQuery("(.)\\1");
SearchQuery combinedQuery = SearchQuery.createPhraseSearchQuery(subquery1, subquery2, subquery3);
System.out.println("Combined phrase search query created.");

Configuración y ejecución de una búsqueda con opciones personalizadas

Ajustar las opciones de búsqueda le permite controlar cuántas ocurrencias se devuelven, lo cual es útil para grandes corpus. También puede afinar la puntuación, resaltar coincidencias y limitar los resultados por documento.

SearchOptions options = new SearchOptions();
options.setMaxOccurrenceCountPerTerm(1000000);
options.setMaxTotalOccurrenceCount(10000000);
System.out.println("Custom search options configured.");
Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output\\ConfigureAndPerformSearch");
SearchQuery query = SearchQuery.createWordQuery("future");

SearchResult result = index.search(query, options);
System.out.println("Search performed with custom options.");

Búsqueda regex java – casos de uso comunes

  • Legal research: Localice cláusulas que siguen un patrón específico, como fechas formateadas DD/MM/YYYY.
  • Data validation: Detecte identificadores mal formados o caracteres repetidos en registros.
  • Content moderation: Encuentre profanity o patrones prohibidos usando regex.
  • Financial analysis: Extraiga códigos de transacción que coincidan con una plantilla regex conocida.

Consideraciones de rendimiento

  • Optimize indexing: Re‑indexe periódicamente y elimine archivos obsoletos para mantener el índice ligero; un índice bien mantenido de 1 millón de páginas ocupa menos de 2 GB en disco.
  • Resource usage: Monitoree el tamaño del heap de la JVM; los índices grandes pueden requerir hasta 8 GB de heap o almacenamiento fuera del heap para un rendimiento óptimo.
  • Garbage collection: Ajuste la configuración de GC (p. ej., G1GC) para servicios de búsqueda de larga duración y evitar picos de tiempo de pausa.

Preguntas frecuentes

Q: Can I update an existing index without rebuilding it from scratch?
A: Sí—use index.add() para añadir nuevos archivos o index.update() para actualizar documentos modificados.

Q: How does fuzzy search handle different languages?
A: El algoritmo difuso incorporado funciona con caracteres Unicode, por lo que soporta la mayoría de los idiomas de forma nativa.

Q: Is there a limit to the number of documents I can index?
A: Prácticamente, el límite está determinado por el espacio en disco disponible y la memoria de la JVM; la biblioteca está diseñada para millones de documentos.

Q: Do I need to restart the application after changing search options?
A: No—las opciones de búsqueda se aplican por consulta, por lo que puede ajustarlas al vuelo.

Q: Where can I find more advanced query examples?
A: La documentación oficial de GroupDocs.Search y la referencia de API proporcionan ejemplos extensos para escenarios complejos.


Last Updated: 2026-10-12
Tested With: GroupDocs.Search para Java 25.4
Author: GroupDocs

Tutoriales relacionados