Stop szavak letiltása Java – Dokumentumok hozzáadása az indexhez a GroupDocs-szal
Ebben az oktatóanyagban megtudja, hogyan disable stop words java a fájljai kereshető indexbe való felvitele közben a GroupDocs.Search for Java segítségével. A beépített stop‑szó szűrő kikapcsolásával minden token—beleértve az olyan gyakori szavakat, mint a „on”, „by” vagy a „the”—kereshetővé válik, ami drámaian javítja az eredmények relevanciáját olyan speciális területeken, mint a jogi szerződések, e‑kereskedelmi katalógusok vagy technikai kézikönyvek.
Gyors válaszok
- Mit jelent a „add documents to index”? Ez azt jelenti, hogy a forrásfájlokat betölti egy kereshető indexbe, hogy hatékonyan lekérdezhetők legyenek.
- Miért szeretném letiltani a stop szavakat? Ahhoz, hogy a gyakori szavak (pl. „on”, „the”) is szerepeljenek a keresésekben, ha ezek a kifejezések a saját területén értelmesek.
- Melyik könyvtárverzió szükséges? GroupDocs.Search for Java 25.4 vagy újabb.
- Szükségem van licencre? Egy ingyenes próba alkalmas a kiértékeléshez; a termeléshez állandó licenc szükséges.
- Használhatom Maven projektben? Igen – csak adja hozzá az alább látható tárolót és függőséget.
Mik azok a stop szavak a keresésben, és miért szeretnéd letiltani őket?
A stop szavak magas gyakoriságú kifejezések, amelyeket sok keresőmotor automatikusan kiszűr a lekérdezés feldolgozásának felgyorsítása érdekében. Letiltásuk biztosítja, hogy minden szó – beleértve a hagyományosan figyelmen kívül hagyottakat – hozzájáruljon a keresési indexhez, ami elengedhetetlen, ha ezek a szavak domain‑specifikus jelentéssel bírnak. Például egy jogi szerződésben a „by” szó megkülönböztetheti a feleket, egy termékkatalógusban pedig a „on” része lehet egy modellnévnek.
Hogyan működik a dokumentumok indexhez adása a GroupDocs.Search-ban?
Amikor dokumentumokat ad hozzá, a GroupDocs.Search beolvassa minden fájlt, tokenizálja a tartalmat, és a tokeneket egy optimalizált fordított indexben tárolja. Ez a struktúra lehetővé teszi a több százezer fájlból álló gyűjtemények szekundum alatti visszakeresését. A könyvtár támogatja az inkrementális frissítéseket is, így az indexet frissen tarthatja anélkül, hogy újra kellene építeni.
Előfeltételek
- Szükséges könyvtárak: GroupDocs.Search for Java 25.4 (vagy újabb).
- Fejlesztői környezet: IntelliJ IDEA, Eclipse vagy bármely kedvenc Java IDE.
- Alapvető ismeretek: Java szintaxis és az indexelés fogalmának ismerete.
A GroupDocs.Search for Java beállítása
Maven telepítés
Ha Maven‑t használ, adja hozzá a következőket a pom.xml fájlhoz:
<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>
Közvetlen letöltés
Egyébként töltse le a legújabb verziót a GroupDocs.Search for Java releases oldalról.
Licenc megszerzésének lépései
- Ingyenes próba – azonnal elkezdheti a tesztelést.
- Ideiglenes licenc – szerezzen időkorlátos kulcsot a teljes funkcionalitáshoz.
- Vásárlás – szerezzen állandó licencet a termeléshez.
Alap inicializálás és beállítás
Az IndexSettings egy konfigurációs osztály, amely meghatározza, hogyan épül fel az index, hogyan keresnek benne, és mely funkciók vannak engedélyezve.
Hozzon létre egy IndexSettings példányt, hogy szabályozza az index viselkedését:
import com.groupdocs.search.IndexSettings;
// Create an instance of IndexSettings
IndexSettings settings = new IndexSettings();
Hogyan tiltsuk le a stop szavakat a keresésben (Java)?
Az IndexSettings konfigurációs objektum vezérli a keresési index viselkedését. Alapértelmezés szerint egy beépített stop‑szó szűrőt engedélyez. Ennek a szűrőnek a kikapcsolásához hívja meg a setUseStopWords(false) metódust az IndexSettings példányon. Ez az egyetlen hívás letiltja a stop‑szó eltávolítást, biztosítva, hogy minden token—beleértve a „on” vagy a „the” típusú gyakori szavakat—is indexelve legyen és lekérdezhető.
Hogyan adjuk hozzá a dokumentumokat az indexhez
A dokumentumok indexhez adása úgy történik, hogy létrehoz egy Index objektumot a kívánt IndexSettings beállításokkal, majd minden fájlra vagy mappára meghívja az add metódust. A könyvtár beolvassa minden dokumentumot, tokenizálja a tartalmát, és a kapott kifejezéseket a fordított indexben tárolja, így azonnal kereshetővé válik. Megadhatja az index kimeneti könyvtárát, valamint a forrásmappát, amely a indexelendő fájlokat tartalmazza.
A kimeneti könyvtár meghatározása
// Disable the use of stop words
tsettings.setUseStopWords(false);
A dokumentumkönyvtár megadása
import com.groupdocs.search.Index;
// Define the path to the output directory for indexing
String indexFolder = "YOUR_OUTPUT_DIRECTORY\\IndexingWithStopWords";
// Create an index at the specified location with the configured settings
Index index = new Index(indexFolder, settings);
Keresési lekérdezés végrehajtása
// Define the path to your document directory
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
// Add all documents in the specified folder to the index
index.add(documentsFolder);
Mivel a disable stop words java aktív, egy „on” kifejezést tartalmazó lekérdezés kiértékelésre kerül, és olyan találatokat ad vissza, amelyeket az alapértelmezett szűrő egyébként figyelmen kívül hagyna.
Gyakorlati alkalmazások
- Enterprise Document Search – Megőrzi a kritikus terminológiát, amelyet az alapértelmezett stop‑szó listák eltávolítanának.
- E‑commerce Platforms – Növeli a termékek megtalálhatóságát azáltal, hogy minden szót indexel a leírásokban, modellszámokban és specifikációkban.
- Legal Research Tools – Rögzít minden jogi kifejezést, még azokat is, amelyeket általában stop‑szavaknak tekintenek, így elkerülhető a fontos záradékok kihagyása.
Teljesítmény szempontok
- Optimalizálási tippek: Rendszeresen frissítse és takarítsa az indexet a keresési sebesség fenntartása érdekében. A GroupDocs.Search akár 1 millió dokumentumot képes kezelni, miközben szekundum alatti lekérdezési időt biztosít.
- Erőforrás-használat: Figyelje a JVM heap méretét; nagy indexek esetén a maximális heap (
-Xmx) 4 GB vagy annál nagyobb lehet. - Java memória kezelés: Nagyon nagy korpuszok esetén használjon off‑heap tárolási lehetőségeket, hogy a heap lábnyoma 2 GB alatt maradjon.
Gyakori problémák és megoldások
| Tünet | Valószínű ok | Megoldás |
|---|---|---|
| Nincs eredmény a gyakori szavakra | setUseStopWords(true) (alapértelmezett) | Hívja meg a setUseStopWords(false) metódust, ahogyan fent látható. |
| Memóriahiányos hibák indexelés közben | Túl sok nagy fájl egyidejű indexelése | Indexelje a fájlokat kötegekben; növelje a -Xmx JVM opciót. |
| A keresés elavult adatokat ad vissza | Az index nem frissült az új fájlok hozzáadása után | Hívja meg a index.update() metódust, vagy adja hozzá újra a módosított dokumentumokat. |
Gyakran Ismételt Kérdések
Q: Mik azok a stop szavak?
A: A stop szavak gyakori kifejezések (pl. „the”, „is”, „on”), amelyeket sok keresőmotor figyelmen kívül hagy a lekérdezések felgyorsítása érdekében. Letiltásuk lehetővé teszi, hogy minden token kereshető legyen.
Q: Miért tiltsuk le a stop szavakat a keresési indexekben?
A: Amikor pontos kifejezés‑illesztésre van szükség – például jogi vagy technikai dokumentumok esetén – minden szó jelentéssel bír, ezért a stop szavakat is bele kell foglalni.
Q: Hogyan kezeli a GroupDocs.Search a nagy adathalmazokat?
A: A könyvtár optimalizált adatstruktúrákat és inkrementális indexelést használ, így alacsony memóriahasználatot biztosít még milliók dokumentuma esetén is.
Q: Integrálhatom a GroupDocs.Search-t más Java alkalmazásokkal?
A: Igen, az API úgy van tervezve, hogy könnyen beágyazható legyen bármely Java‑alapú rendszerbe, legyen az webszolgáltatás vagy asztali alkalmazás.
Q: Mit tegyek, ha a keresési eredményeim nem pontosak?
A: Ellenőrizze, hogy az index tartalmazza-e az összes szükséges fájlt (add documents to index), győződjön meg arról, hogy a stop‑szó szűrés le van tiltva, ha szükséges, és fontolja meg az index újraépítését jelentős változások után.
További források
- Dokumentáció: GroupDocs Search Documentation
- API Referencia: GroupDocs API Reference
- Letöltés: Get the latest GroupDocs.Search for Java
- GitHub tároló: Explore on GitHub
- Ingyenes támogatás: Join GroupDocs Forum
- Ideiglenes licenc: Apply for a Temporary License
A útmutató követésével most már tudja, hogyan add documents to index és disable stop words java, hogy pontosabb keresési eredményeket érjen el Java‑alkalmazásaiban.
Legutóbb frissítve: 2026-07-07
Tesztelve ezzel: GroupDocs.Search for Java 25.4
Szerző: GroupDocs
import com.groupdocs.search.results.SearchResult;
// Define your search query
tString query = "on";
// Perform the search operation using the index and the specified query
SearchResult result = index.search(query);
