Come creare un indice con GroupDocs.Search per Java
Se hai bisogno di come creare un indice per migliaia di file legali, accademici o aziendali, GroupDocs.Search per Java ti offre un motore pronto all’uso che estrae il testo, costruisce una struttura di ricerca compatta e ti consente di eseguire query regex, fuzzy o wildcard in pochi millisecondi. In questo tutorial vedrai come configurare l’SDK, creare un indice, aggiungere documenti e eseguire potenti ricerche basate su pattern.
Risposte rapide
- Qual è lo scopo principale di GroupDocs.Search? Per creare indici ricercabili per un’ampia gamma di formati di documento.
- Posso aggiungere documenti all’indice dopo che è stato creato? Sì—usa il metodo
index.add()per includere nuovi file. - GroupDocs.Search supporta la ricerca fuzzy in Java? Assolutamente; abilitala tramite
SearchOptions. - Come eseguo una query wildcard in Java? Creala con
SearchQuery.createWildcardQuery(). - È necessaria una licenza per l’uso in produzione? È necessaria una licenza valida di GroupDocs.Search per le distribuzioni commerciali.
SearchOptions configura il comportamento della ricerca, ad esempio il matching fuzzy.SearchQuery.createWildcardQuery() crea un oggetto query wildcard.
Cos’è “come creare un indice” nel contesto di GroupDocs.Search?
Creare un indice significa scansionare uno o più documenti sorgente, estrarre il testo ricercabile e memorizzare queste informazioni in un formato strutturato che può essere interrogato in modo efficiente. Questo processo costruisce una struttura dati compatta su disco che consente ricerche ultra‑veloci tra migliaia di file, anche quando i documenti originali sono grandi o memorizzati in formati diversi.
Perché usare GroupDocs.Search per Java?
GroupDocs.Search offre una soluzione collaudata, di livello enterprise, che supporta oltre 30 formati di input e output—inclusi PDF, DOCX, XLSX, PPTX, HTML e file di testo semplice—garantendo tempi di risposta alle query inferiori a un secondo per indici contenenti milioni di pagine. Le sue funzionalità integrate di fuzzy, wildcard e regex search java ti consentono di gestire errori di battitura, corrispondenze di pattern e scenari di ricerca complessi senza scrivere parser personalizzati.
Prerequisiti
- Versione GroupDocs.Search per Java 25.4 o successiva.
- Un IDE come IntelliJ IDEA o Eclipse con supporto Maven.
- JDK 11 o successivo installato sulla tua macchina di sviluppo.
- Conoscenza di base della sintassi Java e dei concetti di ricerca.
Configurazione di GroupDocs.Search per Java
Puoi aggiungere la libreria tramite Maven o scaricarla manualmente.
Configurazione Maven
<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>
Download diretto
In alternativa, scarica l’ultima versione da GroupDocs.Search for Java releases.
Acquisizione della licenza
- Prova gratuita: Esplora tutte le funzionalità senza costi.
- Licenza temporanea: Estendi l’uso della prova per progetti di valutazione.
- Licenza completa: Necessaria per le distribuzioni in produzione e per sbloccare l’indicizzazione illimitata.
Una volta che la libreria è disponibile, inizializzala nel tuo codice Java:
import com.groupdocs.search.*;
public class InitializeSearch {
public static void main(String[] args) {
// Create an index instance
Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output");
System.out.println("GroupDocs.Search initialized successfully.");
}
}
Come creare un indice con GroupDocs.Search
Carica i tuoi file sorgente, indica al SDK una cartella e lascia che costruisca la struttura ricercabile in una singola chiamata. Questo approccio crea l’indice in meno di un minuto per una tipica collezione di documenti da 10 GB su un server standard.
Definizione dei percorsi
String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
Creazione dell’indice
Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);
Aggiunta di documenti all’indice
index.add(documentsFolder);
System.out.println("Documents added to the index.");
Suggerimento professionale: Assicurati che le directory esistano e contengano solo i file che desideri indicizzare; i file non correlati possono gonfiare l’indice.
Query di parole semplici con opzioni di ricerca fuzzy (fuzzy search java)
La ricerca fuzzy aiuta quando gli utenti digitano erroneamente una parola o quando l’OCR introduce errori. L’SDK espande automaticamente la query per includere termini simili basati sulla distanza di modifica.
SearchQuery subquery = SearchQuery.createWordQuery("future");
subquery.setSearchOptions(new SearchOptions());
subquery.getSearchOptions().getFuzzySearch().setEnabled(true);
subquery.getSearchOptions().getFuzzySearch()
.setFuzzyAlgorithm(new TableDiscreteFunction(3));
System.out.println("Fuzzy search enabled with a tolerance of 3.");
Query wildcard Java
Le query wildcard ti consentono di corrispondere a pattern come qualsiasi parola che inizia con un prefisso specifico, usando i segnaposto * o ?.
SearchQuery.createWildcardQuery() crea un oggetto query wildcard.
SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");
Ricerca regex Java
Le espressioni regolari ti offrono un controllo dettagliato sul matching dei pattern, perfette per trovare caratteri ripetuti o strutture di token complesse.
SearchQuery.createRegexQuery() crea un oggetto query regex per il matching dei pattern.
SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");
Combinazione di sottoquery in una query di ricerca frase
Puoi mescolare sottoquery di parole, wildcard e regex per costruire ricerche frase sofisticate che rispettano ordine e prossimità.
SearchQuery subquery1 = SearchQuery.createWordQuery("future");
SearchQuery subquery2 = SearchQuery.createWildcardQuery(1);
SearchQuery subquery3 = SearchQuery.createRegexQuery("(.)\\1");
SearchQuery combinedQuery = SearchQuery.createPhraseSearchQuery(subquery1, subquery2, subquery3);
System.out.println("Combined phrase search query created.");
Configurazione ed esecuzione di una ricerca con opzioni personalizzate
Regolare le opzioni di ricerca ti consente di controllare quante occorrenze vengono restituite, utile per grandi corpora. Puoi anche affinare lo scoring, evidenziare le corrispondenze e limitare i risultati per documento.
SearchOptions options = new SearchOptions();
options.setMaxOccurrenceCountPerTerm(1000000);
options.setMaxTotalOccurrenceCount(10000000);
System.out.println("Custom search options configured.");
Index index = new Index("YOUR_DOCUMENT_DIRECTORY\\output\\ConfigureAndPerformSearch");
SearchQuery query = SearchQuery.createWordQuery("future");
SearchResult result = index.search(query, options);
System.out.println("Search performed with custom options.");
Ricerca regex java – casi d’uso comuni
- Ricerca legale: Individua clausole che seguono un pattern specifico, come date formattate
DD/MM/YYYY. - Validazione dei dati: Rileva identificatori malformati o caratteri ripetuti nei log.
- Moderazione dei contenuti: Trova parolacce o pattern proibiti usando regex.
- Analisi finanziaria: Estrai codici di transazione che corrispondono a un modello regex noto.
Considerazioni sulle prestazioni
- Ottimizzare l’indicizzazione: Re‑indicizza periodicamente e rimuovi i file obsoleti per mantenere l’indice snello; un indice ben mantenuto di 1 milione di pagine occupa meno di 2 GB su disco.
- Utilizzo delle risorse: Monitora la dimensione dell’heap JVM; indici di grandi dimensioni possono richiedere fino a 8 GB di heap o storage off‑heap per un throughput ottimale.
- Garbage collection: Ottimizza le impostazioni GC (ad es., G1GC) per servizi di ricerca a lungo termine per evitare picchi di tempo di pausa.
Domande frequenti
D: Posso aggiornare un indice esistente senza ricostruirlo da zero?
R: Sì—usa index.add() per aggiungere nuovi file o index.update() per aggiornare i documenti modificati.
D: Come gestisce la ricerca fuzzy le diverse lingue?
R: L’algoritmo fuzzy integrato funziona sui caratteri Unicode, quindi supporta la maggior parte delle lingue subito.
D: C’è un limite al numero di documenti che posso indicizzare?
R: Praticamente, il limite è determinato dallo spazio disco disponibile e dalla memoria JVM; la libreria è progettata per milioni di documenti.
D: Devo riavviare l’applicazione dopo aver modificato le opzioni di ricerca?
R: No—le opzioni di ricerca vengono applicate per query, quindi puoi modificarle al volo.
D: Dove posso trovare esempi di query più avanzate?
R: La documentazione ufficiale di GroupDocs.Search e il riferimento API forniscono numerosi esempi per scenari complessi.
Ultimo aggiornamento: 2026-10-12
Testato con: GroupDocs.Search for Java 25.4
Autore: GroupDocs