Buat Indeks Pencarian Kustom dengan Pengenalan Karakter menggunakan GroupDocs.Search untuk Java

Pada aplikasi modern yang berfokus pada dokumen, membuat indeks pencarian kustom yang memahami nuansa teks Anda—seperti tanda hubung, garis bawah, atau simbol khusus bahasa—sangat penting untuk pengambilan yang cepat dan akurat. Tutorial ini memandu Anda melalui konfigurasi pengenalan karakter dalam GroupDocs.Search for Java, mencakup baik karakter reguler (huruf, digit, garis bawah) maupun karakter gabungan (misalnya tanda hubung). Pada akhir tutorial, Anda akan dapat menyesuaikan indeks yang sesuai dengan kebutuhan tepat OCR atau skenario pencarian gambar Anda.

Jawaban Cepat

  • Apa arti “create custom search index”? Itu berarti mengkonfigurasi indeks untuk memperlakukan simbol tertentu sebagai huruf atau karakter gabungan, bukan mengabaikannya.
  • Pustaka mana yang digunakan? GroupDocs.Search for Java (v25.4 pada saat penulisan).
  • Apakah saya memerlukan lisensi? Versi percobaan gratis dapat digunakan untuk pengembangan; lisensi berbayar diperlukan untuk produksi.
  • Bisakah saya mengindeks PDF dan gambar? Ya—GroupDocs.Search mendukung OCR pada gambar dan PDF bila dikonfigurasi dengan benar.
  • Apakah Maven diperlukan? Maven adalah cara yang direkomendasikan untuk mengelola dependensi, tetapi Anda juga dapat menggunakan Gradle atau JAR manual.

Apa itu Indeks Pencarian Kustom?

Indeks pencarian kustom memungkinkan Anda menentukan bagaimana mesin pencari menafsirkan karakter. Secara default, banyak simbol diabaikan, yang dapat menyebabkan tidak terdeteksinya pencocokan untuk hal-hal seperti nomor kasus (ABC-123) atau potongan kode (my_variable). Menyesuaikan kamus alfabet memberi Anda kontrol penuh atas apa yang dianggap mesin sebagai teks yang dapat dicari.

Mengapa Mengonfigurasi Karakter Reguler dan Gabungan?

  • Karakter reguler (huruf, digit, garis bawah) diperlakukan sebagai token terpisah, meningkatkan pencarian dengan kecocokan tepat.
  • Karakter gabungan (tanda hubung, garis miring) menghubungkan kata; mengkonfigurasinya mencegah pemisahan token yang tidak diinginkan, yang penting untuk referensi hukum, kode produk, atau pengindeksan kode sumber.

Prasyarat

  • JDK 8 atau yang lebih baru terpasang.
  • Maven untuk manajemen dependensi.
  • Akses ke pustaka GroupDocs.Search for Java (diunduh melalui Maven atau situs resmi).

Pustaka dan Dependensi yang Diperlukan

Tambahkan entri repositori dan dependensi ke pom.xml Anda (seperti yang ditunjukkan di bawah). Blok XML harus tetap tidak berubah.

<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>

Anda juga dapat mengunduh JAR terbaru dari GroupDocs.Search for Java releases.

Akuisisi Lisensi

  • Free Trial – sempurna untuk percobaan awal.
  • Temporary License – berguna untuk siklus pengembangan yang lebih lama.
  • Production License – diperlukan untuk penyebaran komersial.

Dapatkan lisensi dari portal resmi: GroupDocs.

Inisialisasi Dasar

Potongan kode di bawah menunjukkan kode minimal yang diperlukan untuk membuat indeks kosong. Biarkan apa adanya; kita akan mengembangkannya nanti.

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!");
    }
}

Menyiapkan GroupDocs.Search untuk Java

Instalasi via Maven

Konfigurasi Maven dari bagian Prerequisites sudah cukup. Setelah menambahkannya, jalankan mvn clean install untuk mengambil binary.

Persyaratan Penyiapan Lingkungan

  • Pastikan folder indeks dan folder dokumen ada di disk.
  • Gunakan path absolut atau konfigurasikan IDE Anda untuk menyelesaikan path relatif dengan benar.

Panduan Implementasi

Di bawah ini kami menjelaskan dua fitur berbeda: karakter reguler dan karakter gabungan. Setiap fitur mengikuti pola yang sama—menentukan path, membuat indeks, mengatur kamus karakter, dan akhirnya mengindeks dokumen Anda.

Fitur 1 – Karakter Reguler

Gambaran Umum

Karakter reguler diperlakukan sebagai token independen. Ini ideal ketika Anda ingin digit, huruf, dan garis bawah dapat dicari persis seperti yang muncul.

Implementasi Langkah‑per‑Langkah

1️⃣ Atur Path
Tentukan di mana indeks akan disimpan dan di mana dokumen sumber Anda berada.

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/RegularCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

2️⃣ Buat dan Konfigurasikan Indeks
Instansiasi indeks dan bersihkan konfigurasi alfabet yang sudah ada sebelumnya.

Index index = new Index(indexFolder);
index.getDictionaries().getAlphabet().clear();

3️⃣ Definisikan Karakter Reguler
Buat array karakter yang mencakup digit, huruf Latin, dan garis bawah.

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 Indeks Dokumen
Tambahkan semua file dari folder sumber ke indeks yang baru dikonfigurasi.

index.add(documentFolder);

Fitur 2 – Karakter Gabungan

Gambaran Umum

Karakter gabungan (seperti tanda hubung) sering menghubungkan dua kata. Menandainya sebagai blended memberi tahu mesin untuk menjaga token di sekitarnya tetap bersama selama pengindeksan.

Implementasi Langkah‑per‑Langkah

1️⃣ Atur Path

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/BlendedCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

2️⃣ Buat dan Konfigurasikan Indeks

Index index = new Index(indexFolder);

3️⃣ Definisikan Karakter Gabungan
Di sini kami memberi tahu kamus bahwa tanda hubung harus diperlakukan sebagai karakter gabungan.

index.getDictionaries().getAlphabet().setRange(new char[] { '-' }, CharacterType.Blended);

4️⃣ Indeks Dokumen

index.add(documentFolder);

Aplikasi Praktis

Kasus Penggunaan 1 – Manajemen Dokumen Hukum

File hukum sering berisi nomor kasus seperti 2023-AB-456. Dengan mengkonfigurasi garis bawah dan tanda hubung, pencarian mengembalikan kecocokan tepat tanpa memisahkan identifier.

Kasus Penggunaan 2 – Repositori Kode Sumber

Pengembang perlu mencari potongan kode di mana garis bawah (my_variable) dan tanda hubung (my-function) memiliki makna. Pengenalan karakter kustom memastikan mesin pencari menghormati simbol-simbol ini.

Kasus Penggunaan 3 – Dataset Multibahasa

Saat bekerja dengan bahasa yang menggunakan alfabet tambahan, Anda dapat memperluas set karakter reguler untuk menyertakan rentang Unicode tersebut, menjamin hasil pencarian lintas bahasa yang akurat.

Pertimbangan Kinerja

  • Manajemen Sumber Daya – Pantau penggunaan heap; indeks besar mendapat manfaat dari commit inkremental.
  • Garbage Collection – Lepaskan objek Index setelah selesai agar JVM dapat mengambil kembali memori.
  • Optimisasi Indeks – Secara periodik panggil index.optimize() (jika tersedia) untuk memadatkan indeks dan meningkatkan kecepatan kueri.

Kesimpulan

Anda kini tahu cara membuat indeks pencarian kustom yang membedakan antara karakter reguler dan gabungan menggunakan GroupDocs.Search untuk Java. Kontrol detail ini memungkinkan Anda membangun solusi pencarian berperforma tinggi yang sadar OCR, disesuaikan untuk lingkungan hukum, pengembangan, atau multibahasa.

Langkah Selanjutnya

  • Bereksperimen dengan rentang Unicode tambahan untuk alfabet non‑Latin.
  • Gabungkan konfigurasi karakter dengan fitur GroupDocs.Search lainnya seperti stemming atau sinonim.
  • Integrasikan indeks ke dalam REST API untuk mengekspos kemampuan pencarian ke aplikasi front‑end.

Pertanyaan yang Sering Diajukan

Q: Apa tujuan CharacterType.Letter?
A: Itu memberi tahu indeks untuk memperlakukan karakter yang diberikan sebagai huruf reguler, sehingga mereka ditokenisasi secara terpisah selama pengindeksan.

Q: Bisakah saya mencampur karakter reguler dan gabungan dalam satu indeks?
A: Ya—cukup panggil setRange untuk setiap tipe; kamus akan menangani kedua konfigurasi secara bersamaan.

Q: Apakah saya perlu membangun ulang indeks setelah mengubah alfabet?
A: Tentu saja. Perubahan kamus karakter memengaruhi tokenisasi, sehingga Anda harus mengindeks ulang dokumen untuk menerapkan aturan baru.

Q: Apakah ada batasan jumlah karakter kustom yang dapat saya definisikan?
A: Pustaka mendukung seluruh rentang Unicode; kinerja dapat menurun jika Anda menambahkan set yang sangat besar, jadi batasi pada karakter yang memang Anda butuhkan.

Q: Bagaimana ini memengaruhi akurasi OCR?
A: Dengan menyelaraskan set karakter indeks dengan output mesin OCR, Anda mengurangi false negative dan meningkatkan relevansi pencarian secara keseluruhan.

Last Updated: 2026-01-11
Tested With: GroupDocs.Search 25.4 for Java
Author: GroupDocs