GroupDocs.Search के साथ एक कस्टम सर्च इंडेक्स जावा बनाएं
आधुनिक दस्तावेज‑भारी अनुप्रयोगों में, एक custom search index java बनाना जो आपके टेक्स्ट की बारीकियों—जैसे हाइफ़न, अंडरस्कोर, या भाषा‑विशिष्ट प्रतीकों—का सम्मान करता हो, तेज़ और सटीक पुनर्प्राप्ति के लिए आवश्यक है। यह ट्यूटोरियल आपको GroupDocs.Search for Java में कैरेक्टर पहचान को कॉन्फ़िगर करने के चरण दिखाता है, जिसमें नियमित कैरेक्टर (अक्षर, अंक, अंडरस्कोर) और मिश्रित कैरेक्टर (जैसे हाइफ़न) दोनों शामिल हैं। अंत तक, आप एक ऐसा इंडेक्स तैयार कर पाएँगे जो OCR या इमेज‑सर्च परिदृश्यों की सटीक जरूरतों को पूरा करे, चाहे आप कानूनी केस नंबर, सोर्स‑कोड रिपॉज़िटरी, या बहुभाषी PDF को इंडेक्स कर रहे हों।
त्वरित उत्तर
- “create custom search index” का क्या अर्थ है? इसका मतलब है कि इंडेक्स को इस तरह कॉन्फ़िगर करना कि विशिष्ट प्रतीरों को अक्षर या मिश्रित कैरेक्टर माना जाए, न कि उन्हें अनदेखा किया जाए।
- कौनसी लाइब्रेरी उपयोग की जाती है? GroupDocs.Search for Java (लेखन के समय v25.4)।
- क्या मुझे लाइसेंस चाहिए? विकास के लिए फ्री ट्रायल काम करता है; प्रोडक्शन के लिए पेड लाइसेंस आवश्यक है।
- क्या मैं PDFs और इमेज दोनों को इंडेक्स कर सकता हूँ? हाँ—सही कॉन्फ़िगरेशन पर GroupDocs.Search इमेज और PDFs पर OCR का समर्थन करता है।
- क्या Maven आवश्यक है? Maven निर्भरताओं को प्रबंधित करने का अनुशंसित तरीका है, लेकिन आप Gradle या मैन्युअल JARs भी उपयोग कर सकते हैं।
कस्टम सर्च इंडेक्स जावा क्या है?
custom search index java एक सर्चेबल डेटा स्ट्रक्चर है जिसे आप उन कैरेक्टरों को अक्षर, अंक, या मिश्रित प्रतीक के रूप में परिभाषित करके आकार दे सकते हैं। डिफ़ॉल्ट रूप से, कई प्रतीरों को अनदेखा किया जाता है, जिससे केस नंबर (2023-AB-456) या कोड स्निपेट (my_variable) जैसे पहचानकर्ताओं के मिलान छूट सकते हैं। अल्फाबेट डिक्शनरी को समायोजित करने से आपको टोकनाइज़ेशन पर पूर्ण नियंत्रण मिलता है, जिससे प्रासंगिकता बढ़ती है और क्वेरी निष्पादन तेज़ होता है।
कानूनी केस नंबरों के लिए नियमित और मिश्रित कैरेक्टर को क्यों कॉन्फ़िगर करें?
हाइफ़न और स्लैश को मिश्रित कैरेक्टर के रूप में मानने से संबंधित टोकन एक साथ रहते हैं, जिससे केस नंबर, प्रोडक्ट कोड या फ़ाइल पाथ जैसे पहचानकर्ताओं का अनचाहा विभाजन रोकता है। यह कॉन्फ़िगरेशन सर्च इंडेक्स प्रदर्शन को अनुकूलित करता है टोकन फ्रैगमेंटेशन को कम करके और OCR‑जनित सामग्री की प्रासंगिकता को बढ़ाता है, विशेषकर जब संरचित पहचानकर्ताओं पर निर्भर कानूनी दस्तावेज़ों से निपटना हो।
पूर्वापेक्षाएँ
- JDK 8 या उसके बाद का संस्करण स्थापित हो।
- Maven निर्भरताओं के प्रबंधन के लिए।
- GroupDocs.Search for Java लाइब्रेरी तक पहुँच (Maven या आधिकारिक साइट से डाउनलोड)।
आवश्यक लाइब्रेरी और निर्भरताएँ
pom.xml में नीचे दिखाए अनुसार रिपॉज़िटरी और निर्भरता एंट्री जोड़ें। XML ब्लॉक को अपरिवर्तित रखना आवश्यक है।
<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>
आप नवीनतम JARs को यहाँ से भी डाउनलोड कर सकते हैं: GroupDocs.Search for Java releases.
लाइसेंस प्राप्ति
- Free trial – शुरुआती प्रयोग के लिए उत्तम।
- Temporary license – लंबी विकास चक्रों के लिए उपयोगी।
- Production license – व्यावसायिक डिप्लॉयमेंट के लिए आवश्यक।
आधिकारिक पोर्टल से लाइसेंस प्राप्त करें: GroupDocs.
बुनियादी आरंभिककरण
नीचे दिया गया स्निपेट एक खाली इंडेक्स को प्रारंभ करने के लिए न्यूनतम कोड दिखाता है। Index क्लास सर्चेबल डेटा को संग्रहीत और प्रबंधित करने वाला मुख्य घटक है। इसे जैसा है वैसा रखें; बाद में हम इस पर निर्माण करेंगे।
import com.groupdocs.search.*;
public class GroupDocsSearchSetup {
public static void main(String[] args) {
String indexFolder = "YOUR_OUTPUT_DIRECTORY";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
Index index = new Index(indexFolder);
System.out.println("GroupDocs.Search setup completed!");
}
}
GroupDocs.Search for Java सेटअप करना
Maven के माध्यम से इंस्टॉलेशन
Prerequisites सेक्शन से Maven कॉन्फ़िगरेशन ही पर्याप्त है। इसे जोड़ने के बाद, बाइनरीज़ प्राप्त करने के लिए mvn clean install चलाएँ।
पर्यावरण‑सेटअप आवश्यकताएँ
- डिस्क पर index फ़ोल्डर और document फ़ोल्डर मौजूद हों, यह सुनिश्चित करें।
- एब्सोल्यूट पाथ्स का उपयोग करें या अपने IDE को रिलेटिव पाथ्स सही ढंग से हल करने के लिए कॉन्फ़िगर करें।
कार्यान्वयन गाइड
नीचे हम दो अलग-अलग फीचर्स पर चलते हैं: regular characters और blended characters। प्रत्येक फीचर समान पैटर्न का अनुसरण करता है—पाथ्स निर्धारित करें, इंडेक्स बनाएं, कैरेक्टर डिक्शनरी सेट करें, और अंत में अपने दस्तावेज़ों को इंडेक्स करें।
फीचर 1 – नियमित कैरेक्टर
अवलोकन
नियमित कैरेक्टर को स्वतंत्र टोकन के रूप में माना जाता है। यह तब आदर्श है जब आप चाहते हैं कि अंक, अक्षर, और अंडरस्कोर ठीक उसी रूप में सर्चेबल हों जैसा वे दिखते हैं।
चरण‑दर‑चरण कार्यान्वयन
1️⃣ पाथ्स सेट करें
निर्धारित करें कि इंडेक्स कहाँ संग्रहीत होगा और आपके स्रोत दस्तावेज़ कहाँ स्थित हैं।
String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/RegularCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
2️⃣ इंडेक्स बनाएं और कॉन्फ़िगर करें
इंडेक्स का इंस्टैंस बनाएं और किसी भी पूर्व‑स्थापित अल्फाबेट कॉन्फ़िगरेशन को साफ़ करें।
Index index = new Index(indexFolder);
index.getDictionaries().getAlphabet().clear();
3️⃣ नियमित कैरेक्टर परिभाषित करें
एक कैरेक्टर एरे बनाएं जिसमें अंक, लैटिन अक्षर, और अंडरस्कोर शामिल हों।
StringBuilder sb = new StringBuilder();
for (char i = 0x0030; i <= 0x0039; i++) { // Digits
sb.append(i);
}
for (char i = 0x0041; i <= 0x005A; i++) { // Latin capital letters
sb.append(i);
}
sb.append(0x005F); // Underscore
for (char i = 0x0061; i <= 0x007A; i++) { // Latin small letters
sb.append(i);
}
// Convert to character array and set as alphabet range
char[] characters = new char[sb.length()];
sb.getChars(0, sb.length(), characters, 0);
index.getDictionaries().getAlphabet().setRange(characters, CharacterType.Letter);
4️⃣ दस्तावेज़ों को इंडेक्स करें
स्रोत फ़ोल्डर की सभी फ़ाइलों को नए कॉन्फ़िगर किए गए इंडेक्स में जोड़ें।
index.add(documentFolder);
फीचर 2 – मिश्रित कैरेक्टर
अवलोकन
मिश्रित कैरेक्टर (जैसे हाइफ़न) अक्सर दो शब्दों को जोड़ते हैं। उन्हें blended के रूप में चिह्नित करने से इंजन इंडेक्सिंग के दौरान आसपास के टोकन को साथ रखता है।
चरण‑दर‑चरण कार्यान्वयन
1️⃣ पाथ्स सेट करें
String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/BlendedCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";
2️⃣ इंडेक्स बनाएं और कॉन्फ़िगर करें
Index index = new Index(indexFolder);
3️⃣ मिश्रित कैरेक्टर परिभाषित करें
यहाँ हम डिक्शनरी को बताते हैं कि हाइफ़न को मिश्रित कैरेक्टर के रूप में माना जाए।
index.getDictionaries().getAlphabet().setRange(new char[] { '-' }, CharacterType.Blended);
4️⃣ दस्तावेज़ों को इंडेक्स करें
index.add(documentFolder);
व्यावहारिक अनुप्रयोग
उपयोग केस 1 – कानूनी दस्तावेज़ प्रबंधन
कानूनी फ़ाइलों में अक्सर केस नंबर जैसे 2023-AB-456 होते हैं। अंडरस्कोर और हाइफ़न को कॉन्फ़िगर करने से खोजें पहचानकर्ता को विभाजित किए बिना सटीक मिलान देती हैं, जिससे आप कानूनी केस नंबरों को प्रभावी रूप से खोज सकते हैं।
उपयोग केस 2 – सोर्स‑कोड रिपॉज़िटरी
डेवलपर्स को कोड स्निपेट्स खोजने की जरूरत होती है जहाँ अंडरस्कोर (my_variable) और हाइफ़न (my-function) का अर्थ होता है। कस्टम कैरेक्टर पहचान सुनिश्चित करती है कि सर्च इंजन इन प्रतीकों का सम्मान करे।
उपयोग केस 3 – बहुभाषी डेटासेट
जब आप अतिरिक्त वर्णमालाओं वाले भाषाओं के साथ काम करते हैं, तो आप Unicode कैरेक्टर सेट को उन रेंजों को शामिल करने के लिए विस्तारित कर सकते हैं, जिससे सटीक क्रॉस‑भाषा खोज परिणाम सुनिश्चित होते हैं।
उपयोग केस 4 – PDF इमेज को इंडेक्स करना
यदि आप स्कैन किए गए PDFs या इमेज फ़ाइलों को इंडेक्स कर रहे हैं, तो OCR आउटपुट में अक्सर मिश्रित कैरेक्टर होते हैं। नियमित और मिश्रित कैरेक्टर को सही ढंग से कॉन्फ़िगर करने से सर्च इंडेक्स प्रदर्शन इमेज‑आधारित सामग्री के लिए अनुकूलित होता है।
प्रदर्शन संबंधी विचार
- संसाधन प्रबंधन – हीप उपयोग की निगरानी करें; बड़े इंडेक्स इंक्रीमेंटल कमिट्स से लाभान्वित होते हैं।
- गार्बेज कलेक्शन – समाप्त होने पर
Indexऑब्जेक्ट्स रिलीज़ करें ताकि JVM मेमोरी पुनः प्राप्त कर सके। - इंडेक्स ऑप्टिमाइज़ेशन – समय‑समय पर
index.optimize()(यदि उपलब्ध हो) कॉल करें ताकि इंडेक्स को कॉम्पैक्ट किया जा सके और क्वेरी गति में सुधार हो।
निष्कर्ष
अब आप जानते हैं GroupDocs.Search for Java का उपयोग करके नियमित और मिश्रित कैरेक्टर को अलग करने वाला कस्टम सर्च इंडेक्स जावा कैसे बनाते हैं। यह सूक्ष्म नियंत्रण आपको OCR‑सजग, उच्च‑प्रदर्शन सर्च समाधान बनाने में सक्षम बनाता है, जो कानूनी, विकास, या बहुभाषी वातावरण के लिए अनुकूलित हैं।
अगले कदम
- गैर‑लैटिन वर्णमालाओं के लिए अतिरिक्त Unicode रेंज के साथ प्रयोग करें।
- कैरेक्टर कॉन्फ़िगरेशन को अन्य GroupDocs.Search फीचर्स जैसे स्टेमिंग या सिनोनिम्स के साथ मिलाएँ।
- इंडेक्स को REST API के माध्यम से एक्सपोज़ करें ताकि फ्रंट‑एंड एप्लिकेशन HTTP पर खोज कर सकें।
अक्सर पूछे जाने वाले प्रश्न
Q: CharacterType.Letter का उद्देश्य क्या है?
A: यह इंडेक्स को बताता है कि प्रदान किए गए कैरेक्टर को नियमित अक्षर के रूप में माना जाए, इसलिए इंडेक्सिंग के दौरान उन्हें अलग‑अलग टोकनाइज़ किया जाता है।
Q: क्या मैं एक ही इंडेक्स में नियमित और मिश्रित कैरेक्टर को मिलाकर उपयोग कर सकता हूँ?
A: हाँ—प्रत्येक प्रकार के लिए बस setRange कॉल करें; डिक्शनरी दोनों कॉन्फ़िगरेशन को एक साथ संभालेगा।
Q: अल्फाबेट बदलने के बाद क्या मुझे इंडेक्स को पुनः बनाना चाहिए?
A: बिल्कुल। कैरेक्टर डिक्शनरी में बदलाव टोकनाइज़ेशन को प्रभावित करते हैं, इसलिए नई नियमों को लागू करने के लिए दस्तावेज़ों को पुनः‑इंडेक्स करना आवश्यक है।
Q: मैं कितने कस्टम कैरेक्टर परिभाषित कर सकता हूँ, क्या इसकी कोई सीमा है?
A: लाइब्रेरी पूरी Unicode रेंज को सपोर्ट करती है; यदि आप अत्यधिक बड़ी सेट जोड़ते हैं तो प्रदर्शन घट सकता है, इसलिए केवल आवश्यक कैरेक्टर ही रखें।
Q: यह OCR की सटीकता को कैसे प्रभावित करता है?
A: इंडेक्स के कैरेक्टर सेट को OCR इंजन के आउटपुट के साथ संरेखित करने से फॉल्स नेगेटिव्स कम होते हैं और समग्र खोज प्रासंगिकता में सुधार होता है।
अंतिम अपडेट: 2026-11-02
परीक्षित संस्करण: GroupDocs.Search 25.4 for Java
लेखक: GroupDocs