Pencarian teks penuh java: pengekstrak file log dengan GroupDocs

Pencarian teks penuh java adalah fondasi bagi setiap sistem yang harus dengan cepat menemukan informasi di dalam koleksi dokumen yang sangat besar. Dalam tutorial ini Anda akan belajar cara mengkonfigurasi GroupDocs.Search, membuat pengekstrak file log khusus, menambahkan dokumen ke indeks, dan mengoptimalkan kinerja pencarian saat menangani gigabyte data log.

Apa yang akan Anda pelajari

  • Mengatur dan mengkonfigurasi GroupDocs.Search untuk Java.
  • Menerapkan log file extractor yang mengurai log teks biasa sesuai kebutuhan Anda.
  • Add documents to index bersama PDF, DOCX, dan format lainnya.
  • Skenario dunia nyata di mana log file extractor menambah nilai yang dapat diukur.
  • Tips terbukti untuk optimise search performance pada arsip log multi‑gigabyte.

Jawaban Cepat

  • What is a log file extractor? Komponen khusus yang memberi tahu GroupDocs.Search cara membaca dan mengindeks file log teks biasa.
  • Why use GroupDocs.Search? Mendukung pengindeksan lebih dari 50 format, menyediakan auto‑reindexing, dan menangani indeks hingga 10 GB dengan kurang dari 2 GB RAM.
  • Do I need a license? Ya – lisensi percobaan atau lisensi penuh diperlukan untuk mengaktifkan perpustakaan.
  • Can I index other file types simultaneously? Tentu saja; campurkan PDF, DOCX, dan file log khusus dalam indeks yang sama.
  • How to improve performance? Gunakan pengindeksan inkremental, sesuaikan IndexSettings, dan aktifkan flag autoReindex.

Prasyarat

Sebelum Anda memulai, pastikan Anda memiliki hal berikut:

Perpustakaan yang Diperlukan

Tambahkan dependensi Maven GroupDocs.Search ke pom.xml Anda. Gunakan versi terbaru yang sesuai dengan level Java proyek Anda.

<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>

Atau, unduh versi terbaru langsung dari GroupDocs.Search for Java releases.

Penyiapan Lingkungan

  • JDK 8 atau lebih tinggi.
  • Familiaritas dengan pemrograman Java dan konsep dasar penanganan file.

Akuisisi Lisensi

Mulailah dengan mengunduh lisensi percobaan gratis untuk menjelajahi fitur GroupDocs.Search. Untuk penggunaan produksi, beli lisensi penuh atau minta lisensi sementara melalui GroupDocs’s website.

Menyiapkan GroupDocs.Search untuk Java

Untuk memulai, inisialisasi perpustakaan dan terapkan file lisensi Anda:

  1. Maven setup – pastikan dependensi dari langkah sebelumnya ada.
  2. License initialisation – muat file lisensi sebelum panggilan API lainnya.
   License license = new License();
   license.setLicense("path/to/license");

Dengan lingkungan siap, Anda dapat melanjutkan ke pembuatan log file extractor khusus.

Apa itu log file extractor?

Log file extractor adalah potongan kode yang memberi tahu GroupDocs.Search cara membaca file log mentah (biasanya .log) dan mengubah isinya menjadi teks yang dapat dicari. Dengan menyediakan extractor Anda sendiri, Anda mendapatkan kontrol penuh atas aturan parsing, penyaringan kebisingan, dan mengekstrak hanya informasi yang penting bagi kasus penggunaan pencarian Anda.

Buat log file extractor

GroupDocs.Search memungkinkan Anda memasang extractor teks khusus untuk jenis file apa pun. Ikuti langkah-langkah berikut untuk membuat satu untuk file log.

Langkah 1: definisikan extractor khusus

TextExtractorBase adalah kelas dasar abstrak yang Anda perpanjang untuk membuat extractor khusus. Ia mendeklarasikan ekstensi file yang didukung oleh extractor dan berisi logika ekstraksi inti.

import com.groupdocs.search.extractors.TextExtractorBase;

public class LogExtractor extends TextExtractorBase {
    @Override
    public String[] getFileExtensions() {
        return new String[]{"log"};
    }

    @Override
    public String extractText(String documentContent) {
        // Custom logic for extracting text from log files.
        return documentContent; // Implement your custom extraction here.
    }
}

Poin penting

  • getFileExtensions() mendaftarkan extractor untuk file .log.
  • extractText adalah tempat Anda dapat menghapus timestamp, menyaring baris debug, atau menerapkan pra‑pemrosesan apa pun yang diperlukan untuk search large log files.

Langkah 2: konfigurasikan pengaturan indeks dengan extractor

Tambahkan extractor Anda ke IndexSettings dan aktifkan autoReindex sehingga log baru diindeks secara otomatis tanpa intervensi manual.

IndexSettings mengkonfigurasi perilaku indeks seperti batas memori dan extractor khusus.
autoReindex secara otomatis memperbarui indeks ketika file sumber berubah.

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

public class CustomTextExtractorFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        IndexSettings settings = new IndexSettings();
        
        // Adding the custom text extractor to the settings.
        settings.getCustomExtractors().addItem(new LogExtractor());
        
        // Creating or loading an index with specified settings and enabling auto-reindexing.
        Index index = new Index(indexFolder, settings, true);
    }
}

Langkah 3: tambahkan dokumen ke indeks

Sekarang indeks mengenali file log, Anda dapat add documents to index seperti format lain yang didukung.

import com.groupdocs.search.Index;

public class AddDocumentsToIndexFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
        
        // Loading or creating an index in the specified directory.
        Index index = new Index(indexFolder);
        
        // Adding documents from the folder to the index.
        index.add(documentsFolder);
    }
}

Langkah 4: cari di indeks

Lakukan kueri teks biasa. Extractor khusus menjamin setiap entri log dapat dicari.

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

public class SearchDocumentsFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        
        // Loading the existing index.
        Index index = new Index(indexFolder);
        
        // Define search queries
        String query1 = "objection";
        String query2 = "log";
        
        // Performing searches and retrieving results.
        SearchResult result1 = index.search(query1);
        SearchResult result2 = index.search(query2);
    }
}

Tips untuk mengoptimalkan kinerja pencarian

  • Incremental indexing – tambahkan hanya file log baru atau yang berubah alih-alih membangun ulang seluruh indeks.
  • Memory management – flag autoReindex menjaga penggunaan RAM tetap rendah dengan membuang data menengah ke disk.
  • Index settings – sesuaikan setMaxMemoryUsage berdasarkan kapasitas server Anda; pengaturan umum adalah 1 GB untuk indeks 10 GB.
  • Query optimisation – gunakan kueri frasa, wildcard, atau filter untuk mempersempit hasil saat mencari arsip log yang besar.

Aplikasi Praktis

GroupDocs.Search dapat diterapkan dalam banyak skenario dunia nyata, seperti:

  • Log management – temukan pesan error, tindakan pengguna, atau timestamp spesifik di seluruh gigabyte data log dalam hitungan detik.
  • Document retrieval systems – pertahankan repositori yang dapat dicari tunggal yang mencakup PDF, dokumen Word, spreadsheet, dan file log khusus.
  • Content analysis – jalankan laporan frekuensi kata kunci atau deteksi anomali dalam data log streaming.

Pertimbangan Kinerja

Saat menerapkan GroupDocs.Search dalam skala besar, ingat praktik terbaik berikut:

  • Simpan indeks pada SSD cepat untuk meminimalkan latensi baca/tulis.
  • Pantau penggunaan heap JVM; pertimbangkan memindahkan indeks besar ke proses terpisah jika memori menjadi kendala.
  • Aktifkan autoReindex (seperti yang ditunjukkan) untuk menjaga indeks tetap segar tanpa pembangunan ulang manual.

Kesimpulan

Sekarang Anda telah membuat log file extractor, mempelajari cara add documents to index, dan menemukan cara untuk optimise search performance pada arsip log besar. Kombinasi ini memungkinkan aplikasi Java Anda menyediakan pencarian teks penuh yang cepat dan akurat di semua jenis dokumen.

Untuk eksplorasi lebih dalam, periksa GroupDocs documentation resmi atau bereksperimen dengan implementasi extractor yang berbeda untuk menyesuaikan dengan kasus penggunaan unik Anda.

Bagian FAQ

  1. What file types can I index using GroupDocs.Search?
    • Anda dapat mengindeks PDF, dokumen Word, spreadsheet, dan banyak format lainnya, serta file log khusus melalui extractor teks.
  2. How do I handle large document collections efficiently?
    • Gunakan pembaruan inkremental, partisi indeks, dan sesuaikan IndexSettings untuk mengelola sumber daya secara efektif.
  3. Can GroupDocs.Search be integrated with other systems?
    • Ya, ia menawarkan API Java yang bersih yang dapat disematkan dalam layanan yang ada, mikro‑layanan, atau aplikasi web.
  4. What is a temporary license, and how do I acquire one?
    • Lisensi sementara memberikan fungsionalitas penuh untuk evaluasi tanpa batas waktu. Ajukan melalui GroupDocs’s website.

Pertanyaan yang Sering Diajukan

Q: How does a log file extractor differ from the default extractor?
A: Extractor default menangani format umum (PDF, DOCX, dll.). Extractor log file khusus memungkinkan Anda menentukan secara tepat bagaimana entri log teks biasa diparsing dan diindeks.

Q: Can I index compressed log archives (e.g., .zip)?
A: Ya, dengan menambahkan langkah pra‑pemrosesan yang mengekstrak file dari arsip sebelum memasukkannya ke indeks.

Q: What’s the best way to keep the index up‑to‑date with continuously generated logs?
A: Aktifkan autoReindex dan jadwalkan pemantau latar belakang yang memanggil index.add(newLogFile) setiap kali file baru muncul.

Q: Is there a limit to the size of a single log file that can be indexed?
A: Secara praktis, batasnya ditentukan oleh memori yang tersedia. Disarankan memecah log yang sangat besar menjadi potongan lebih kecil sebelum diindeks.

Q: Does GroupDocs.Search support fuzzy or wildcard searches?
A: Ya, API pencarian mencakup pencocokan fuzzy, wildcard, dan kueri kedekatan untuk meningkatkan relevansi hasil.

Terakhir Diperbarui: 2026-08-05
Diuji Dengan: GroupDocs.Search 25.4 for Java
Penulis: GroupDocs

Tutorial Terkait