Magas tömörítésű .NET megvalósítása a GroupDocs-szal: Szöveg- és Redakciós útmutató

A modern .NET megoldásokban a implement high compression .net elengedhetetlen, ha hatalmas szöveggyűjteményeket kell tárolni anélkül, hogy a lemezhasználat felrobbanna. Ugyanakkor az érzékeny információk – például személyes azonosítók vagy pénzügyi adatok – védelme megbízható redakciót igényel. Ez az útmutató lépésről‑lépésre bemutatja, hogyan konfiguráljuk a magas tömörítésű szövegtárolást a GroupDocs.Search segítségével, és hogyan redakcióval távolítsuk el a bizalmas adatokat a GroupDocs.Redaction használatával. A végére képes lesz akár 90 %-kal tömöríteni az indexelt szöveget, és privát tartalmakat eltávolítani PDF‑ekből, Word‑fájlokból és számos más formátumból.

Gyors válaszok

  • Melyik könyvtár biztosít magas tömörítésű indexelést? GroupDocs.Search for .NET.
  • Melyik eszköz redakcióval távolítja el az érzékeny adatokat? GroupDocs.Redaction for .NET.
  • Hozzáadhatok dokumentumokat az indexhez automatikusan? Igen – használja az AddDocument API-t egy mappavizsgálati ciklusban.
  • A tömörítés veszteségmentes a kereséshez? Igen, a szöveg a tömörítés után is teljesen kereshető marad.
  • Szükség van licencre a termeléshez? Egy állandó GroupDocs licenc szükséges a kereskedelmi használathoz.

Mi az a “implement high compression .net”?

A “implement high compression .net” azt jelenti, hogy a GroupDocs.Search indexelő motorját úgy konfiguráljuk, hogy a kinyert szövegtartalmat tömörített formában tárolja. Ez drámai módon csökkenti a lemezen lévő index méretét, miközben a szöveg teljesen kereshető marad. A tömörítés veszteségmentes, így a lekérdezés relevanciája és a szövegrészlet‑kivonás pontosan úgy működik, mint egy nem tömörített index esetén.

Miért használja a GroupDocs-t tömörítéshez és redakcióhoz?

A GroupDocs.Search több mint ötven bemeneti formátumot támogat, és akár kilencven százalékos tömörítést is elér a indexelt szövegnél, lehetővé téve, hogy nagy dokumentumgyűjtemények csak töredékét foglalják el az eredeti méretnek. A GroupDocs.Redaction ezt kiegészíti azzal, hogy véglegesen törli vagy maszkolja az érzékeny információkat több mint harminc fájltípusban, segítve a szigorú megfelelőségi szabályok, például a GDPR és a HIPAA betartását további eszközök nélkül.

Előfeltételek

  • Fejlesztési környezet: Visual Studio 2022 vagy újabb, .NET 6+ (vagy .NET Framework 4.7.2).
  • Könyvtárak: GroupDocs.Search és GroupDocs.Redaction NuGet csomagok.
  • Jogosultságok: Olvasási/írási hozzáférés a forrásdokumentumokat és az index kimeneti helyét tartalmazó mappákhoz.
  • Alapvető tudás: C# szintaxis, fájl I/O, és a .NET projektstruktúra ismerete.

Hogyan valósítsuk meg a magas tömörítésű .NET-et a GroupDocs-szal?

A magas tömörítésű .NET megvalósításához a GroupDocs-szal először hozzunk létre egy TextStorageSettings példányt, és állítsuk be a CompressionLevel‑t High‑ra. Ezután példányosítsunk egy Index objektumot, megadva a beállításokat és azt a mappát, ahol az index tárolódik. Az index elkészülte után adjuk hozzá a dokumentumokat az AddDocument‑dal, végül futtassunk kereséseket a Search metódussal, miközben a motor átlátszóan kezeli a tömörítést és a kitömörítést.

1. lépés: A szükséges NuGet csomagok telepítése

.NET CLI

dotnet add package GroupDocs.Search

dotnet add package GroupDocs.Redaction

Package Manager

Install-Package GroupDocs.Search

Install-Package GroupDocs.Redaction

NuGet Package Manager UI

  • Keresse meg a “GroupDocs.Search” elemet, és kattintson a Install gombra.

2. lépés: A GroupDocs.Redaction telepítése (az adatredakcióhoz)

  • Nyissa meg a NuGet Package Manager-t.
  • Keresse meg a GroupDocs.Redaction-t, és telepítse a legújabb stabil verziót.

3. lépés: Licenc beszerzése és alkalmazása

  • Ingyenes próba: Regisztráljon a GroupDocs portálon egy 30 napos próba kulcsért.
  • Ideiglenes licenc: Kérjen ideiglenes kulcsot fejlesztői környezetekhez.
  • Állandó licenc: Vásároljon termelési licencet az értékelési korlátozások eltávolításához.

4. lépés: Mindkét könyvtár alapvető inicializálása

A Search és Redaction motorok közös licencmodellt használnak. Inicializálja őket az alkalmazás indításakor:

// Initialize GroupDocs.Search
var searchLicense = new License();
searchLicense.SetLicense("path/to/search.lic");

// Initialize GroupDocs.Redaction
var redactionLicense = new License();
redactionLicense.SetLicense("path/to/redaction.lic");

using GroupDocs.Redaction;
// Initialize the Redactor with your document path
Redactor redactor = new Redactor("YOUR_DOCUMENT_PATH");

1. funkció: Magas tömörítésű szövegtárolási beállítások

Indexelési konfiguráció beállítása

A TextStorageSettings határozza meg, hogyan tárolja a GroupDocs.Search a kinyert szöveget. A magas tömörítés engedélyezése akár 10×‑es indexméret‑csökkenést eredményez a keresési sebesség befolyásolása nélkül.

var textStorage = new TextStorageSettings
{
    Compression = CompressionLevel.High,   // Enables maximum compression
    UseMemoryCache = false                // Reduces RAM usage for huge indexes
};

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Magyarázat:

  • CompressionLevel.High egy ZSTD‑alapú algoritmust aktivál, amely hatékonyan tömöríti a szövegrétegeket.
  • UseMemoryCache = false arra kényszeríti a motorot, hogy lemezről streamelje az adatokat, ami nagy léptékű telepítésekhez ideális.

Az index létrehozása és kezelése

Az Index objektum a lemezen tárolt kereshető adattárat képviseli. Meg kell adni a mappát, ahol az indexfájlok tárolódnak, és átadni a fent definiált tömörítési beállításokat.

var indexFolder = @"C:\Indexes\HighCompression";
var settings = new IndexSettings { TextStorage = textStorage };
var index = new Index(indexFolder, settings);

string indexFolder = "/path/to/your/index/directory";
Index index = new Index(indexFolder, settings);

Magyarázat:

  • indexFolder meghatározza, hogy hol tárolódnak a tömörített indexfájlok.
  • settings beilleszti a magas tömörítésű konfigurációt, biztosítva, hogy minden hozzáadott dokumentum ebből profitáljon.

2. funkció: Dokumentumok hozzáadása az indexhez

Dokumentumok hozzáadása az indexhez

Az AddDocument egyetlen fájlt ad az indexhez, kinyeri a szöveget, a beállított TextStorageSettings szerint tömöríti, és elmenti az eredményt. A GroupDocs.Search képes fájlok beolvasására egy könyvtárfában. Az alábbi ciklus bejárja a documentsFolder‑t, minden fájlt hozzáad, és naplózza a folyamatot.

var documentsFolder = @"C:\SourceDocs";
foreach (var filePath in Directory.GetFiles(documentsFolder, "*.*", SearchOption.AllDirectories))
{
    index.AddDocument(filePath);
}

string documentsFolder = "/path/to/your/documents";
index.Add(documentsFolder);

Magyarázat:

  • AddDocument feldolgozza a fájlt, kinyeri a kereshető szöveget, a TextStorageSettings szerint tömöríti, és az indexben tárolja.
  • Ez a megközelítés működik PDF, DOCX, TXT, HTML és több mint 30 egyéb formátum esetén.

3. funkció: Keresési lekérdezés végrehajtása

Keresés végrehajtása

A Search egy lekérdezést futtat a tömörített indexen, és visszaadja a megfelelő DocumentResult objektumok gyűjteményét relevancia‑pontszámokkal és kiemelt szövegrészletekkel. Miután az index fel van töltve, gyors lekérdezéseket hajthat végre. A Search metódus visszaadja a DocumentResult objektumok gyűjteményét, amelyek fájlutakat és kiemelt szövegrészleteket tartalmaznak.

var query = "confidential";
var results = index.Search(query);
foreach (var result in results)
{
    Console.WriteLine($"{result.FilePath} – Score: {result.Score}");
}

string query = "searchTerm";
SearchResult result = index.Search(query);

Magyarázat:

  • A keresőmotor közvetlenül a tömörített szöveget vizsgálja, így a lekérdezés késleltetése alacsony marad még milliók oldalát tartalmazó indexek esetén is.
  • Score a relevanciát jelzi; a magasabb érték jobb egyezést jelent.

Hogyan redakcióval távolítsuk el a bizalmas adatokat a GroupDocs.Redaction segítségével?

A bizalmas adatok redakciója a GroupDocs.Redaction-nél egy Redactor példány létrehozásával kezdődik a célfájlhoz. Definiáljon egy vagy több SearchPattern objektumot, amely leírja a törlendő szöveget, például a társadalombiztosítási számok reguláris kifejezéseit. Alkalmazza minden mintát a Redact‑tal, megadva egy RedactionType‑ot, például BlackOut, majd mentse az eredményt új dokumentumként, biztosítva, hogy az eredeti változat érintetlen maradjon.

Redactor a fő osztály a GroupDocs.Redaction‑ban, amely betölti a dokumentumot és végrehajtja a redakciós műveleteket.
SearchPattern egy reguláris kifejezést definiál, amely az eltávolítandó szöveget azonosítja.

var redactor = new Redactor(@"C:\Docs\Sensitive.pdf");
redactor.Apply(new RedactionOptions
{
    SearchPattern = @"\b\d{3}-\d{2}-\d{4}\b", // SSN pattern
    RedactionColor = Color.Black,
    RedactionType = RedactionType.BlackOut
});
redactor.Save(@"C:\Docs\Sensitive_redacted.pdf");

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Magyarázat:

  • SearchPattern reguláris kifejezést használ a társadalombiztosítási számok megtalálásához.
  • RedactionType.BlackOut egy szilárd fekete téglalappal helyettesíti a megtalált szöveget, biztosítva, hogy az adat ne legyen visszaállítható.

Gyakorlati alkalmazások

  1. Jogi dokumentumkezelés: Automatikusan tömörítse a hatalmas ügyiratokat, és archiválás előtt redakcióval távolítsa el az ügyfélazonosítókat.
  2. Egészségügyi nyilvántartások: Tárolja évek óta a betegjegyzeteket egy tömörített indexben, és a kutatási partnerekkel való megosztás előtt távolítsa el a PHI (védett egészségügyi információ) adatokat.
  3. Pénzügyi jelentés: Biztosítsa a negyedéves jelentéseket azáltal, hogy redakcióval eltávolítja a számlaszámokat, miközben a kereshető szöveget megőrzi az audit lekérdezésekhez.

Teljesítménybeli megfontolások

  • Tömörítés hatása: A magas tömörítés akár 90 %‑kal csökkenti az index méretét, ami csökkenti az SSD kopását és felgyorsítja a biztonsági mentéseket.
  • Memóriahasználat: Kapcsolja ki a memóriában történő gyorsítótárazást nagyon nagy indexek esetén, hogy a folyamat lábnyoma 500 MB alatt maradjon.
  • I/O optimalizálás: Csoportosítsa a dokumentumok hozzáadását 100‑as adagokban a lemezterhelés csökkentése érdekében.
  • Aszinkron feldolgozás: Csomagolja az AddDocument hívásokat Task.Run‑ba, hogy a felhasználói felület szálai reagálóképesek maradjanak asztali alkalmazásokban.

Gyakori hibák és hibaelhárítás

  • Helytelen fájlutak: Ellenőrizze, hogy a documentsFolder és az indexFolder abszolút útvonalak‑e, és hogy az alkalmazásnak van‑e olvasási/írási jogosultsága.
  • Licenc hibák: Győződjön meg róla, hogy a .lic fájlok az exe mellé vannak telepítve vagy erőforrásként beágyazottak.
  • A keresés nem ad eredményt: Ellenőrizze, hogy a TextStorageSettings tömörítési szintje megegyezik‑e az indexelés során használtal; a nem egyező beállítások deszerializációs hibákat okozhatnak.

Gyakran feltett kérdések

K: Hozzáadhatok dokumentumokat az indexhez az első építés után?
Igen – egyszerűen hívja meg az index.AddDocument‑ot új fájlokhoz; a motor fokozatosan frissíti a tömörített indexet.

K: A redakció módosítja az eredeti fájlt?
Nem – az eredeti fájl érintetlen marad; a redakcióval ellátott verzió új fájlként kerül mentésre, megőrizve a dokumentum integritását.

K: Milyen formátumokat támogat a GroupDocs.Redaction?
Több mint 30 formátum, beleértve a PDF, DOCX, PPTX, XLSX, képek (PNG, JPEG) és egyszerű szöveg.

K: Hogyan befolyásolja a magas tömörítés a keresési relevanciát?
Nem befolyásolja. A tömörítés szövegre vonatkozóan veszteségmentes, így a relevancia pontszámok megegyeznek egy nem tömörített indexével.

K: Van korlátja a dokumentumok méretének, amelyeket indexelni tudok?
A GroupDocs.Search több gigabájtos fájlok kezelésére képes streaming tartalommal; azonban biztosítsa a megfelelő lemezterületet a tömörített indexhez (kb. az eredeti méret 10 %-a).

Források

Legutóbb frissítve: 2026-06-07
Tesztelve: GroupDocs.Search 23.12 and GroupDocs.Redaction 23.12 for .NET
Szerző: GroupDocs

Kapcsolódó útmutatók