Q: … etc.

We need to translate all that.

Make sure to keep code block placeholders unchanged.

Also preserve markdown formatting.

Let’s produce the translated version.

Be careful with bullet points and formatting.

Also note some special characters like “‑  " etc. We’ll translate accordingly.

Proceed.

Cara Membuat Indeks dengan Pengenalan Karakter menggunakan GroupDocs.Search untuk Java

Dalam aplikasi modern yang berisi banyak dokumen, cara membuat indeks yang menghormati nuansa teks Anda—seperti tanda hubung, garis bawah, atau simbol khusus bahasa—sangat penting untuk pencarian yang cepat dan akurat. Pada tutorial ini kami akan menjelaskan cara mengonfigurasi pengenalan karakter di GroupDocs.Search untuk Java, mencakup karakter reguler (huruf, digit, garis bawah) dan karakter gabungan (misalnya tanda hubung). Pada akhir tutorial, Anda akan dapat menyesuaikan indeks yang sesuai dengan kebutuhan OCR atau skenario pencarian gambar Anda, baik Anda mengindeks nomor kasus hukum, repositori kode sumber, maupun PDF multibahasa.

Jawaban Cepat

  • Apa arti “membuat indeks pencarian khusus”? Artinya mengonfigurasi indeks agar memperlakukan simbol tertentu sebagai huruf atau karakter gabungan, bukan mengabaikannya.
  • Perpustakaan apa yang digunakan? GroupDocs.Search untuk 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 Khusus?

Indeks pencarian khusus memungkinkan Anda menentukan bagaimana mesin pencari menafsirkan karakter. Secara default, banyak simbol diabaikan, yang dapat menyebabkan hilangnya kecocokan untuk hal‑hal seperti nomor kasus (2023-AB-456) 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 untuk Nomor Kasus Hukum?

  • Karakter reguler (huruf, digit, garis bawah) dipisahkan menjadi token terpisah, memungkinkan pencarian cocok‑tepat untuk pengidentifikasi.
  • Karakter gabungan (tanda hubung, garis miring) menjaga token terkait tetap bersama, mencegah pemisahan yang tidak diinginkan pada nomor kasus, kode produk, atau jalur file.
  • Konfigurasi ini mengoptimalkan kinerja indeks pencarian dengan mengurangi fragmentasi token dan meningkatkan relevansi untuk konten yang dihasilkan OCR.

Prasyarat

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

Perpustakaan 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.

Perolehan Lisensi

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

Dapatkan lisensi dari portal resmi: GroupDocs.

Inisialisasi Dasar

Potongan kode di bawah menunjukkan kode minimal yang diperlukan untuk membuat indeks kosong. Biarkan tetap seperti itu; kami 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 Prasyarat sudah cukup. Setelah menambahkannya, jalankan mvn clean install untuk mengambil berkas biner.

Persyaratan Penyiapan Lingkungan

  • Pastikan folder indeks dan folder dokumen sudah ada di disk.
  • Gunakan jalur absolut atau konfigurasikan IDE Anda agar dapat menyelesaikan jalur relatif dengan benar.

Panduan Implementasi

Berikut kami menjelaskan dua fitur berbeda: karakter reguler dan karakter gabungan. Setiap fitur mengikuti pola yang sama—menentukan jalur, 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 Menyiapkan Jalur
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 Membuat dan Mengonfigurasi Indeks
Instansiasi indeks dan bersihkan konfigurasi alfabet yang ada sebelumnya.

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

3️⃣ Menentukan Karakter Reguler
Bangun sebuah 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 Mengindeks Dokumen
Tambahkan semua file dari folder sumber ke indeks yang telah dikonfigurasi.

index.add(documentFolder);

Fitur 2 – Karakter Gabungan

Gambaran Umum

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

Implementasi Langkah‑per‑Langkah

1️⃣ Menyiapkan Jalur

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

2️⃣ Membuat dan Mengonfigurasi Indeks

Index index = new Index(indexFolder);

3️⃣ Menentukan 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 Mengindeks Dokumen

index.add(documentFolder);

Aplikasi Praktis

Kasus Penggunaan 1 – Manajemen Dokumen Hukum

File hukum sering berisi nomor kasus seperti 2023-AB-456. Dengan mengonfigurasi garis bawah dan tanda hubung, pencarian mengembalikan kecocokan persis tanpa memisahkan pengidentifikasi, membantu Anda menelusuri nomor kasus hukum secara efisien.

Kasus Penggunaan 2 – Repositori Kode Sumber

Pengembang perlu menelusuri potongan kode di mana garis bawah (my_variable) dan tanda hubung (my-function) memiliki arti penting. Pengenalan karakter khusus memastikan mesin pencari menghormati simbol‑simbol tersebut.

Kasus Penggunaan 3 – Dataset Multibahasa

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

Kasus Penggunaan 4 – Mengindeks Gambar PDF

Jika Anda mengindeks PDF yang dipindai atau berkas gambar, output OCR sering berisi campuran karakter. Mengonfigurasi karakter reguler dan gabungan dengan tepat mengoptimalkan kinerja indeks pencarian untuk konten berbasis gambar.

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 membebaskan memori.
  • Optimisasi Indeks – Secara berkala panggil index.optimize() (jika tersedia) untuk memadatkan indeks dan meningkatkan kecepatan kueri.

Kesimpulan

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

Langkah Selanjutnya

  • Bereksperimen dengan rentang Unicode tambahan untuk alfabet non‑Latin.
  • Menggabungkan konfigurasi karakter dengan fitur lainnya dari GroupDocs.Search seperti stemming atau sinonim.
  • Mengintegrasikan indeks ke dalam API REST untuk menyediakan 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 saat 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 harus membangun ulang indeks setelah mengubah alfabet?
A: Tentu saja. Perubahan kamus karakter memengaruhi tokenisasi, sehingga Anda harus meng‑indeks ulang dokumen untuk menerapkan aturan baru.

Q: Apakah ada batas jumlah karakter khusus yang dapat saya definisikan?
A: Perpustakaan mendukung seluruh rentang Unicode; kinerja mungkin menurun jika Anda menambahkan set yang sangat besar, jadi batasi pada karakter yang memang Anda perlukan.

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

Terakhir Diperbarui: 2026-03-17
Diuji Dengan: GroupDocs.Search 25.4 untuk Java
Penulis: GroupDocs