Dokumentumok hozzáadása az indexhez a kis- és nagybetűket figyelmen kívül hagyó kereséshez Java-ban

Amikor case insensitive search java-ra van szükség, amely megbízhatóan megtalálja az információkat, függetlenül attól, hogyan gépelik be a felhasználók, a kulcs az, hogy a dokumentumokat egy indexhez adjuk hozzá, miközben normalizáljuk a szöveget. Ebben az útmutatóban bemutatjuk a GroupDocs.Search for Java konfigurálását, hogy minden indexelt dokumentum automatikusan kisbetűssé (vagy egyéb módon átalakítottá) legyen az indexelés során, ezáltal biztosítva a kis- és nagybetűket figyelmen kívül hagyó eredményeket extra lekérdezési logika nélkül.

Gyors válaszok

  • Mi jelent a „add documents to index”? Ez azt jelenti, hogy a forrásfájlokat betöltjük egy kereshető adatstruktúrába, hogy később lekérdezhetők legyenek.
  • Miért használunk karaktercserét? Ez normalizálja minden karaktert — általában kisbetűre — így a keresések automatikusan figyelmen kívül hagyják a kis- és nagybetű különbségeket.
  • Szükségem van licencre? Egy ingyenes próba működik fejlesztéshez; egy teljes licenc szükséges a termelési környezethez.
  • Melyik Java verzió szükséges? Java 8 vagy újabb; a könyvtár a Java 11+ célja a legjobb teljesítmény érdekében.
  • Átkapcsolhatok-e szükség esetén kis‑ és nagybetű érzékeny keresésre? Igen — a keresési beállítások lehetővé teszik a case‑sensitivity kapcsolását lekérdezésenként.

Mi az a „add documents to index” a GroupDocs.Search-ben?

Töltsd fel a forrásfájljaidat (PDF, DOCX, TXT, stb.) egy kereshető indexbe, hogy a motor gyorsan vissza tudja őket találni. A dokumentumok indexhez adása minden fájlt feldolgoz, kinyeri a egyszerű szöveget, és egy optimalizált adatstruktúrában tárolja, amely gyors keresést tesz lehetővé.

Miért engedélyezzük a karaktercserét az indexelés során?

A karaktercsere minden karaktert egy előre meghatározott ekvivalensre alakít — leggyakrabban kisbetűre — az index felépítése közben. Ez biztosítja, hogy a nagybetűk, diakritikus jelek vagy a helyi specifikus szimbólumok változásai ne befolyásolják a keresési eredményeket. A szöveg indexelés közbeni normalizálásával a motor egységes tokenkészlethez tudja illeszteni a lekérdezéseket, gyors, megbízható kis- és nagybetűket figyelmen kívül hagyó viselkedést biztosítva anélkül, hogy minden keresésnél további feldolgozásra lenne szükség.

Előfeltételek

  • GroupDocs.Search for Java verzió 25.4 vagy újabb (a könyvtár több mint 30 fájlformátumot támogat, és több száz oldalas dokumentumokat indexelhet anélkül, hogy az egész fájlt memóriába töltené).
  • Java Development Kit (JDK) 8 vagy újabb telepítve.
  • Alapvető ismeretek a Maven-ról (vagy a JAR-ok kézi hozzáadásának képessége).

A GroupDocs.Search for Java beállítása

Maven beállítás

Add the GroupDocs repository and dependency to your pom.xml:

<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

Ha nem szeretnél Maven-t használni, töltsd le a legújabb JAR-t a hivatalos oldalról: GroupDocs.Search for Java releases.

Licenc megszerzése

  • Free Trial – tölts le egy próba licencet a kísérletezéshez.
  • Temporary License – kérj egy kibővített teszt licencet a GroupDocs portálról.
  • Full License – vásárolj termelési licencet, amikor készen állsz az éles üzemre.

Alap inicializálás (Az index létrehozása)

Az alábbi kódrészlet létrehoz egy index mappát és engedélyezi a karaktercseréket:

import com.groupdocs.search.Index;
import com.groupdocs.search.IndexSettings;

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterReplacementDuringIndexing";
IndexSettings settings = new IndexSettings();
settings.setUseCharacterReplacements(true);
Index index = new Index(indexFolder, settings);

Implementációs útmutató

Karaktercsere engedélyezése az index beállításaiban

Ennek a funkciónak az aktiválása azt mondja a motornak, hogy cserélje a karaktereket az indexelés során, ami a kis- és nagybetűket figyelmen kívül hagyó viselkedés alaplépése.

1. lépés: IndexSettings konfigurálása

IndexSettings a konfigurációs objektum, amely szabályozza, hogyan tárolja és dolgozza fel a szöveget az index. A useCharacterReplacements true értékre állításával bekapcsolod az automatikus kisbetűssé alakítást (vagy bármilyen egyéni leképezést, amit megadsz).

import com.groupdocs.search.Index;
import com.groupdocs.search.IndexSettings;

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterReplacementDuringIndexing";

// Create an instance of IndexSettings and enable character replacement.
IndexSettings settings = new IndexSettings();
settings.setUseCharacterReplacements(true);

// Initialize the index with these settings.
Index index = new Index(indexFolder, settings);

Karaktercserék konfigurálása

Térképezd le minden karaktert a megfelelő kisbetűs megfelelőjére (vagy bármilyen egyéni leképezésre, amire szükséged van).

2. lépés: Helyettesítő párok definiálása és hozzáadása

A helyettesítő szótár párokat tartalmaz, mint például 'A' → 'a', 'É' → 'e' stb. Ezeknek a pároknak az indexelés előtt történő hozzáadása biztosítja, hogy minden token normalizálva legyen.

import com.groupdocs.search.dictionaries.CharacterReplacementPair;

// Access existing replacements and clear them.
index.getDictionaries().getCharacterReplacements().clear();

// Create an array for new replacements.
CharacterReplacementPair[] characterReplacements = new CharacterReplacementPair[Character.MAX_VALUE + 1];
for (int i = 0; i < characterReplacements.length; i++) {
    char originalChar = (char) i;
    char replacementChar = Character.toLowerCase(originalChar);
    characterReplacements[i] = new CharacterReplacementPair(originalChar, replacementChar);
}

// Add these replacements to the index's dictionary.
index.getDictionaries().getCharacterReplacements().addRange(characterReplacements);

Dokumentumok indexelése

Most, hogy az index készen áll, add documents to index-et használhatsz bármely mappából.

3. lépés: Dokumentumok hozzáadása az indexeléshez

A GroupDocs.Search beolvassa a célkönyvtárat, kinyeri a szöveget minden támogatott fájltípusból, alkalmazza a helyettesítő térképet, és a tokeneket az index tárolóba írja.

import com.groupdocs.search.Index;

String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

// Initialize the index and add documents.
Index index = new Index(indexFolder, settings);
index.add(documentFolder);

Kis‑ és nagybetű érzékeny keresés végrehajtása (opcionális)

4. lépés: Kis‑ és nagybetű érzékeny keresések végrehajtása

SearchOptions konfigurálja a lekérdezés viselkedését, például a case sensitivity kapcsolását, lehetővé téve a keresések finomhangolását.
SearchOptions.setUseCaseSensitiveSearch(true) arra kényszeríti a motort, hogy egy adott lekérdezés során a nagy- és kisbetű karaktereket különbözőnek tekintse, felülbírálva az alapértelmezett kis‑ és nagybetűket figyelmen kívül hagyó viselkedést.

import com.groupdocs.search.Index;
import com.groupdocs.search.SearchOptions;
import com.groupdocs.search.results.SearchResult;

String query = "Promotion";
SearchOptions options = new SearchOptions();
options.setUseCaseSensitiveSearch(true);

// Perform the search.
Index index = new Index(indexFolder, settings);
SearchResult result = index.search(query, options);

Gyakorlati alkalmazások

  1. Marketing kampányok – Normalizáld a termékneveket, hogy az értékesítési csapatok az eszközöket a betűkészlet figyelembevétele nélkül találhassák meg.
  2. Ügyfélszolgálat – Segítsd a help‑desk keresőmezőket, hogy a megfelelő cikket adja vissza, függetlenül attól, hogy a felhasználó “login” vagy “Login”‑t ír be.
  3. E‑commerce katalógusok – Biztosítsd, hogy a vásárlók megtalálják a termékeket, függetlenül attól, hogyan írják be a termékcímeket, ezáltal növelve a konverziós arányt.

Teljesítmény szempontok

  • Forrásfájlok szervezése – Egy rendezett mappaszerkezet csökkenti a add documents to index lépés során a beolvasásra fordított időt.
  • Memória figyelése – Nagy korpuszok indexelése jelentős RAM-ot fogyaszthat; a fájlok 500 – 1 000 elemes kötegekben történő feldolgozása a heap használatot kontroll alatt tartja.
  • Aszinkron indexelés – Ha támogatott, futtasd az indexelést háttérszálon, hogy a felhasználói felület reagáló maradjon, és elkerüld a felhasználói műveletek blokkolását.

Gyakori problémák és hibaelhárítás

TünetValószínű okJavítás
Nincs eredmény egy ismert kifejezésreA karaktercserék nincsenek engedélyezveEllenőrizd, hogy settings.setUseCharacterReplacements(true) be van-e állítva, és hogy a helyettesítő térkép tartalmazza-e a szükséges karaktereket.
Memóriahiány hiba az indexelés soránTúl sok nagy fájl egyidejű indexeléseIndexelj kisebb kötegekben, vagy növeld a JVM heap méretét (-Xmx4g).
A keresés váratlanul kis‑ és nagybetű érzékeny eredményeket adSearchOptions.setUseCaseSensitiveSearch(true) be lett állítvaTávolítsd el vagy állítsd false‑ra az alapértelmezett kis‑ és nagybetűket figyelmen kívül hagyó viselkedéshez.
Az index betöltési ideje meghaladja a várakozástHatékonytalan mappaszerkezet vagy SSD hiányaRendezd át a fájlokat, távolítsd el a nem használt dokumentumokat, és tárold az indexet egy gyors SSD-n.
A speciális karakterek figyelmen kívül maradnakA helyettesítő térkép hiányzik Unicode bejegyzésekkelAdj hozzá leképezéseket olyan karakterekhez, mint “é”, “ß”, “ø”, a kívánt ekvivalensekhez.

Gyakran ismételt kérdések

Q: Hogyan kezeljem a speciális karaktereket (pl. “é”, “ß”) az indexelés során?
A: Vedd fel ezeket a karaktereket a helyettesítő térképbe, és térképezd őket ASCII ekvivalenseikre, vagy tartsd őket változatlanul a keresési követelmények alapján.

Q: Korlátozhatom a karaktercserét egy adott nyelvre?
A: Igen. Készíts egy egyedi helyettesítő tömböt, amely csak a célnyelv karaktereit tartalmazza, mielőtt hozzáadnád a szótárhoz.

Q: Mit tegyek, ha az index betöltése sokáig tart?
A: Optimalizáld a mappaszerkezetet, távolítsd el a felesleges fájlokat, és tárold az indexet egy nagy sebességű SSD-n. Az inkrementális indexelés is csökkenti a betöltési terhet.

Q: Lehet visszavonni a karaktercseréket az indexelés után?
A: Nem. A cserék az indexelt adatokba vannak beágyazva; az új beállításokkal újra kell építeni az indexet a módosításhoz.

Q: Hol találok részletesebb API dokumentációt?
A: A hivatalos dokumentáció és API referencia kimerítő részleteket nyújt (lásd az alábbi forrásokat).

Források

Utolsó frissítés: 2026-07-31
Tesztelve a következővel: GroupDocs.Search 25.4 for Java
Szerző: GroupDocs

Kapcsolódó oktatóanyagok