Hogyan hozzunk létre indexet a GroupDocs.Search for Java segítségével

Ha hogyan hozzunk létre indexet kell készíteni több ezer jogi, tudományos vagy üzleti fájlhoz, a GroupDocs.Search for Java egy kész motorral rendelkezik, amely kinyeri a szöveget, felépít egy kompakt kereshető struktúrát, és lehetővé teszi a regex, fuzzy vagy wildcard lekérdezések futtatását milliszekundumok alatt. Ebben az útmutatóban megmutatjuk, hogyan állítsuk be az SDK‑t, hozzunk létre egy indexet, adjunk hozzá dokumentumokat, és hajtsunk végre erőteljes mintára alapozott kereséseket.

Gyors válaszok

  • Mi a GroupDocs.Search elsődleges célja? A kereshető indexek létrehozása a különféle dokumentumformátumok széles skálájához.
  • Hozzáadhatok dokumentumokat az indexhez a létrehozása után? Igen—használja az index.add() metódust az új fájlok hozzáadásához.
  • Támogatja a GroupDocs.Search a fuzzy keresést Java‑ban? Teljesen; engedélyezze a SearchOptions‑on keresztül.
  • Hogyan futtathatok wildcard lekérdezést Java‑ban? Hozza létre a SearchQuery.createWildcardQuery() segítségével.
  • Szükséges licenc a termelésben való használathoz? Érvényes GroupDocs.Search licenc szükséges a kereskedelmi telepítésekhez.

SearchOptions konfigurálja a keresési viselkedést, például a fuzzy egyezést.
SearchQuery.createWildcardQuery() egy wildcard lekérdezés objektumot hoz létre.

Mi a „hogyan hozzunk létre indexet” a GroupDocs.Search kontextusában?

Az index létrehozása azt jelenti, hogy egy vagy több forrásdokumentumot beolvasunk, kinyerjük a kereshető szöveget, és ezt az információt egy strukturált formátumban tároljuk, amely hatékonyan lekérdezhető. Ez a folyamat egy kompakt adatstruktúrát épít lemezre, amely lehetővé teszi a villámgyors kereséseket több ezer fájl között, még akkor is, ha az eredeti dokumentumok nagyok vagy különböző formátumokban vannak tárolva.

Miért használjuk a GroupDocs.Search for Java‑t?

A GroupDocs.Search egy bevált, vállalati szintű megoldást kínál, amely több mint 30 bemeneti és kimeneti formátumot támogat — köztük PDF, DOCX, XLSX, PPTX, HTML és egyszerű szövegfájlok — miközben alámásodperces lekérdezési válaszidőket biztosít a milliók oldalát tartalmazó indexek esetén. Beépített fuzzy, wildcard és regex search java képességei lehetővé teszik a helyesírási hibák, minták és összetett keresési forgatókönyvek kezelését anélkül, hogy egyedi elemzőket kellene írni.

Előfeltételek

  • GroupDocs.Search for Java 25.4 vagy újabb verzió.
  • Egy IDE, például IntelliJ IDEA vagy Eclipse Maven támogatással.
  • JDK 11 vagy újabb telepítve a fejlesztői gépen.
  • Alapvető Java szintaxis és keresési koncepciók ismerete.

A GroupDocs.Search for Java beállítása

A könyvtárat hozzáadhatja Maven‑en keresztül vagy manuálisan letöltheti.

Maven beállítás

<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
Alternatívaként töltse le a legújabb verziót a GroupDocs.Search for Java kiadások oldaláról.

Licenc beszerzése

  • Ingyenes próba: Fedezze fel az összes funkciót költség nélkül.
  • Ideiglenes licenc: Hosszabbítsa a próbaidőszakot értékelési projektekhez.
  • Teljes licenc: Szükséges a termelési telepítésekhez és a korlátlan indexelés feloldásához.

Miután a könyvtár elérhető, inicializálja a Java kódban:

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.");
    }
}

Hogyan hozzunk létre indexet a GroupDocs.Search segítségével

Töltse be a forrásfájlokat, mutassa meg az SDK‑nak a mappát, és egyetlen hívással építse fel a kereshető struktúrát. Ez a megközelítés egy tipikus 10 GB dokumentumgyűjtemény esetén egy percnél kevesebb idő alatt hozza létre az indexet egy szabványos szerveren.

Útvonalak meghatározása

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

Az index létrehozása

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

Dokumentumok hozzáadása az indexhez

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

Pro tip: Győződjön meg róla, hogy a könyvtárak léteznek, és csak a keresni kívánt fájlokat tartalmazzák; a nem releváns fájlok felnyomhatják az index méretét.

Egyszerű szó lekérdezés fuzzy keresési beállításokkal (fuzzy search java)

A fuzzy keresés akkor hasznos, amikor a felhasználók elgépelnek egy szót, vagy az OCR hibákat vezet be. Az SDK automatikusan kibővíti a lekérdezést hasonló kifejezésekkel a szerkesztési távolság alapján.

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.");

Wildcard lekérdezés Java

A wildcard lekérdezések lehetővé teszik olyan minták egyezését, mint például bármely szó, amely egy adott előtaggal kezdődik, a * vagy ? helyettesítőkkel.

SearchQuery.createWildcardQuery() egy wildcard lekérdezés objektumot hoz létre.

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

Regex keresés Java

A reguláris kifejezések finomhangolt vezérlést biztosítanak a minták egyezéséhez, tökéletesek ismétlődő karakterek vagy összetett token struktúrák megtalálásához.

SearchQuery.createRegexQuery() egy regex lekérdezés objektumot hoz létre a minták egyezéséhez.

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

Alkérdések kombinálása egy kifejezés keresési lekérdezésbe

Összekeverhet szó, wildcard és regex alkérdéseket, hogy kifinomult kifejezés kereséseket építsen fel, amelyek tiszteletben tartják a sorrendet és a közelséget.

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.");

Keresés konfigurálása és végrehajtása egyéni beállításokkal

A keresési beállítások módosítása lehetővé teszi, hogy szabályozza, hány előfordulást ad vissza, ami nagy korpuszok esetén hasznos. Emellett hangolhatja a pontozást, kiemelheti a találatokat, és korlátozhatja az eredményeket dokumentumonként.

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.");

Regex keresés java – gyakori felhasználási esetek

  • Jogi kutatás: Olyan záradékok megtalálása, amelyek egy adott mintát követnek, például DD/MM/YYYY formátumú dátumok.
  • Adatvalidáció: Hibás azonosítók vagy ismétlődő karakterek észlelése a naplófájlokban.
  • Tartalom moderálás: Trágár vagy tiltott minták megtalálása regex segítségével.
  • Pénzügyi elemzés: Tranzakciós kódok kinyerése, amelyek egy ismert regex sablonnal egyeznek.

Teljesítmény szempontok

  • Az index optimalizálása: Időnként újraindexelés és elavult fájlok eltávolítása a karcsú index fenntartásához; egy jól karbantartott, 1 millió oldalas index kevesebb mint 2 GB lemezhelyet foglal.
  • Erőforrás használat: Figyelje a JVM heap méretét; nagy indexek akár 8 GB heap vagy off‑heap tárolást igényelhetnek a legjobb áteresztőképességhez.
  • Garbage collection: Hangolja a GC beállításokat (pl. G1GC) a hosszú távú keresési szolgáltatásoknál, hogy elkerülje a szünetidő csúcsokat.

Gyakran ismételt kérdések

Q: Frissíthetek egy meglévő indexet anélkül, hogy újraépíteném a semmiből?
A: Igen—használja az index.add() metódust új fájlok hozzáfűzéséhez, vagy az index.update()‑t a módosított dokumentumok frissítéséhez.

Q: Hogyan kezeli a fuzzy keresés a különböző nyelveket?
A: A beépített fuzzy algoritmus Unicode karaktereken működik, így a legtöbb nyelvet natívan támogatja.

Q: Van korlátozás a indexelhető dokumentumok számában?
A: Gyakorlatilag a korlátot a rendelkezésre álló lemezhely és a JVM memória határozza meg; a könyvtár milliók dokumentumaira van tervezve.

Q: Újra kell indítanom az alkalmazást a keresési beállítások módosítása után?
A: Nem—a keresési beállítások lekérdezésenként kerülnek alkalmazásra, így a futás közben is módosíthatók.

Q: Hol találok további fejlett lekérdezési példákat?
A: A hivatalos GroupDocs.Search dokumentáció és API referencia részletes példákat nyújt összetett forgatókönyvekhez.


Utolsó frissítés: 2026-10-12
Tesztelve a következővel: GroupDocs.Search for Java 25.4
Szerző: GroupDocs

Kapcsolódó útmutatók