Filter bestandsextensies java met GroupDocs.Search

In deze uitgebreide tutorial leer je hoe je filter file extensions java kunt toepassen bij het indexeren van documenten met GroupDocs.Search. Aan het einde van de gids kun je alleen de bestandstypen opnemen die je nodig hebt, ongewenste formaten uitsluiten, en die regels combineren met datum‑bereik- en padfilters met behulp van logische AND-, OR- en NOT‑operatoren. Deze aanpak houdt je index slank, versnelt zoekopdrachten en helpt je te voldoen aan gegevens‑verwerkingsbeleid.

Snelle antwoorden

  • Wat is de java file extension filter? Het is een regel die GroupDocs.Search vertelt welke bestandsextensies moeten worden opgenomen of uitgesloten tijdens het indexeren.
  • Welke bibliotheek biedt deze functie? GroupDocs.Search for Java.
  • Heb ik een licentie nodig? Een gratis proefversie werkt voor evaluatie; een volledige licentie is vereist voor productie.
  • Kan ik filters combineren? Ja – je kunt extensie-, datum-, grootte- en padfilters combineren met AND-, OR- en NOT‑logica.
  • Is het Maven‑compatibel? Absoluut – voeg de GroupDocs.Search‑dependency toe aan je pom.xml.

Wat is een java file extension filter?

Een java file extension filter is een regelset die de extensie van elk bestand evalueert voordat het naar de indexeringsengine wordt gestuurd. Door extensies zoals .txt, .pdf of .epub op te geven, kun je bestanden opnemen op extensie of bestanden uitsluiten op extensie om je index gefocust te houden en je zoekresultaten relevant.

Waarom bestands‑extensie filtering gebruiken met GroupDocs.Search?

Bestands‑extensie filtering verbetert de indexeer efficiëntie door irrelevante formaten uit te sluiten, vermindert opslagvereisten en helpt te voldoen aan nalevingsregels door ongewenste inhoud te voorkomen die in de index terechtkomt. Het maakt ook snellere query‑reacties mogelijk omdat de zoekmachine een kleinere, relevantere dataset verwerkt.

  • Prestaties: Het overslaan van ongewenste bestanden vermindert I/O en versnelt het indexeren tot wel 40 % bij grote repositories.
  • Opslagbesparing: Alleen relevante documenten worden in de index opgeslagen, waardoor het schijfgebruik gemiddeld met 30 % daalt.
  • Naleving: Voorkom per ongeluk indexeren van vertrouwelijke of niet‑ondersteunde bestandstypen.
  • Flexibiliteit: Combineer met date range filter java-functies om bestanden te targeten die binnen specifieke periodes zijn aangemaakt of gewijzigd.

Voorvereisten

Voordat we beginnen, zorg ervoor dat je het volgende hebt:

Vereiste bibliotheken en afhankelijkheden

  • GroupDocs.Search for Java – versie 25.4 of later (ondersteunt 60+ invoerformaten).
  • Java Development Kit (JDK) – elke compatibele versie (8 of nieuwer).

Omgevingsconfiguratie

  • Integrated Development Environment (IDE): IntelliJ IDEA, Eclipse, of een Maven‑compatibele IDE.

Kennisvoorvereisten

  • Basis Java‑programmeren.
  • Vertrouwdheid met bestands‑I/O in Java.
  • Begrip van reguliere expressies en datum‑tijd handling.

GroupDocs.Search voor Java instellen

Om GroupDocs.Search te gebruiken, moet je het opnemen als afhankelijkheid in je project.

Maven‑configuratie

Voeg de volgende repository‑ en afhankelijkheidsconfiguratie toe aan je pom.xml‑bestand:

<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>

Directe download

Alternatief kun je de nieuwste versie direct downloaden van GroupDocs.Search for Java releases.

Licentie‑acquisitie

  1. Free trial – verken de functies zonder kosten.
  2. Temporary license – krijg volledige functionaliteit voor een beperkte periode.
  3. Purchase – verkrijg een permanente licentie voor productiegebruik.

Basisinitialisatie en configuratie

Zodra de bibliotheek is toegevoegd, initialiseert u uw indexeringsomgeving. De IndexSettings‑klasse bevat alle configuratie‑opties, inclusief filters.

import com.groupdocs.search.*;

String indexFolder = "YOUR_OUTPUT_DIRECTORY";
Index index = new Index(indexFolder);

Implementatie‑gids

Hieronder gaan we in op elk filtertype, leggen we uit waarom het belangrijk is en geven we stap‑voor‑stap instructies die je in je project kunt kopiëren.

Bestands‑extensie filtering

Filter bestanden op hun extensies tijdens het indexeren. Dit is perfect wanneer je alleen e‑books (.fb2, .epub) en platte‑tekstbestanden (.txt) wilt verwerken.

Overzicht

DocumentFilter.createFileExtension maakt een whitelist van extensies.

Implementatiestappen

  1. Create filter – definieer de extensies die je wilt behouden.

    DocumentFilter filter = DocumentFilter.createFileExtension(".fb2", ".epub", ".txt");
IndexSettings settings = new IndexSettings();
settings.setDocumentFilter(filter);

  2. Initialize index and add documents – pas het filter toe bij het construeren van de IndexSettings.

    Index index = new Index("YOUR_OUTPUT_DIRECTORY\\FileExtensionFilter", settings);
index.add("YOUR_DOCUMENT_DIRECTORY");

Logische NOT‑filter

Sluit specifieke extensies uit, zoals webpagina’s en PDF’s, wanneer ze niet nodig zijn voor je zoekscenario.

Implementatiestappen

  1. Create exclusion filter – specificeer extensies om te weigeren.

    DocumentFilter filterNot = DocumentFilter.createFileExtension(".htm", ".html", ".pdf");
DocumentFilter invertedFilter = DocumentFilter.createNot(filterNot);

  2. Apply to index settings – combineer de NOT‑filter met andere regels.

    IndexSettings settingsNot = new IndexSettings();
settingsNot.setDocumentFilter(invertedFilter);

  3. Add documents – alleen bestanden die de gecombineerde filter doorstaan worden geïndexeerd.

    Index indexNot = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalNotFilter", settingsNot);
indexNot.add("YOUR_DOCUMENT_DIRECTORY");

Logische AND‑filter

Combineer verschillende voorwaarden—creatiedatum, extensie en bestandsgrootte—zodat alleen bestanden die aan alle criteria voldoen worden geïndexeerd.

Overzicht

DocumentFilter.createAnd voegt meerdere filters samen tot één regel.

Implementatiestappen

  1. Define filters – maak individuele filters voor elke voorwaarde.

    DocumentFilter filter1 = DocumentFilter.createCreationTimeRange(Utils.createDate(2015, 1, 1), Utils.createDate(2016, 1, 1));
DocumentFilter filter2 = DocumentFilter.createFileExtension(".txt");
DocumentFilter filter3 = DocumentFilter.createFileLengthUpperBound(8 * 1024 * 1024);

  2. Combine filters – gebruik de AND‑operator om alle voorwaarden te vereisen.

    DocumentFilter finalFilterAnd = DocumentFilter.createAnd(filter1, filter2, filter3);
IndexSettings settingsAnd = new IndexSettings();
settingsAnd.setDocumentFilter(finalFilterAnd);

  3. Index documents – geef de gecombineerde filter door aan de indexerings‑pipeline.

    Index indexAnd = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalAndFilter", settingsAnd);
indexAnd.add("YOUR_DOCUMENT_DIRECTORY");

Logische OR‑filter

Neem bestanden op die een van de gespecificeerde voorwaarden vervullen—handig wanneer je zowel kleine tekstbestanden als grotere niet‑tekstbestanden wilt opnemen.

Implementatiestappen

  1. Define filters – maak aparte filters voor elke alternatieve voorwaarde.

    DocumentFilter txtFilter = DocumentFilter.createFileExtension(".txt");
DocumentFilter notTxtFilter = DocumentFilter.createNot(txtFilter);

  2. Combine filters with logical conditions – gebruik de OR‑operator.

    DocumentFilter bound5Filter = DocumentFilter.createFileLengthUpperBound(5 * 1024 * 1024);
DocumentFilter bound10Filter = DocumentFilter.createFileLengthUpperBound(10 * 1024 * 1024);

DocumentFilter txtSizeFilter = DocumentFilter.createAnd(txtFilter, bound5Filter);
DocumentFilter notTxtSizeFilter = DocumentFilter.createAnd(notTxtFilter, bound10Filter);

  3. Finalize OR filter – koppel de gecombineerde filter aan de indexconfiguratie.

    DocumentFilter finalFilterOr = DocumentFilter.createOr(txtSizeFilter, notTxtSizeFilter);

IndexSettings settingsOr = new IndexSettings();
settingsOr.setDocumentFilter(finalFilterOr);
Index indexOr = new Index("YOUR_OUTPUT_DIRECTORY\\LogicalOrFilter", settingsOr);
indexOr.add("YOUR_DOCUMENT_DIRECTORY");

Creatietijd filters

Target bestanden die binnen een specifieke periode zijn aangemaakt—een klassiek date range filter java‑scenario.

Implementatiestappen

  1. Define date‑range filter – specificeer start‑ en einddatums.

    DocumentFilter filter3CTime = DocumentFilter.createCreationTimeRange(Utils.createDate(2017, 1, 1), Utils.createDate(2018, 6, 15));
IndexSettings settingsCTime = new IndexSettings();
settingsCTime.setDocumentFilter(filter3CTime);

  2. Index documents – alleen bestanden waarvan de creatietijdstempels binnen het bereik vallen, worden geïndexeerd.

    Index indexCTime = new Index("YOUR_OUTPUT_DIRECTORY\\CreationTimeFilters", settingsCTime);
indexCTime.add("YOUR_DOCUMENT_DIRECTORY");

Wijzigingstijd filters

Sluit bestanden uit die na een bepaalde afkapdatum zijn gewijzigd.

Implementatiestappen

  1. Define filter – stel de maximale wijzigingstijdstempel in.

    DocumentFilter filter2MTime = DocumentFilter.createModificationTimeUpperBound(Utils.createDate(2018, 6, 15));
IndexSettings settingsMTime = new IndexSettings();
settingsMTime.setDocumentFilter(filter2MTime);

  2. Index documents – bestanden die nieuwer zijn dan de afkapdatum worden genegeerd.

    Index indexMTime = new Index("YOUR_OUTPUT_DIRECTORY\\ModificationTimeFilters", settingsMTime);
indexMTime.add("YOUR_DOCUMENT_DIRECTORY");

Padfiltering

Beperk indexering tot bestanden die zich in bepaalde mappen bevinden of overeenkomen met een patroon—ideaal voor include files by extension binnen een specifieke maphiërarchie.

Implementatiestappen

  1. Define file‑path filter – gebruik glob‑ of regex‑patronen om mappen te matchen.

    DocumentFilter pathFilter = DocumentFilter.createPath("*.txt", "documents/");
IndexSettings settingsPath = new IndexSettings();
settingsPath.setDocumentFilter(pathFilter);

  2. Initialize index and add documents – pas de padfilter toe naast andere regels.

    Index indexPath = new Index("YOUR_OUTPUT_DIRECTORY\\FilePathFilter", settingsPath);
indexPath.add("YOUR_DOCUMENT_DIRECTORY");

Veelvoorkomende valkuilen & tips

  • Mix nooit absolute en relatieve paden in dezelfde filterconfiguratie – dit kan leiden tot onverwachte uitsluitingen.
  • Reset de IndexSettings bij het wisselen van filtersets; anders kunnen eerdere filters blijven bestaan.
  • Combineer een maximale lengte met een extensiefilter voor grote collecties om het geheugenverbruik laag te houden.
  • LoggingOptions regelt de logging‑configuratie voor GroupDocs.Search.
  • Enable logging (LoggingOptions.setEnabled(true)) om te zien waarom een bestand werd afgewezen.

Veelgestelde vragen

Q: Kan ik de filtercriteria wijzigen nadat de index is aangemaakt?
A: Ja. Bouw de index opnieuw op met een nieuwe DocumentFilter of gebruik incrementeel indexeren met bijgewerkte instellingen.

Q: Werkt de java file extension filter op gecomprimeerde archieven (bijv. ZIP)?
A: GroupDocs.Search kan ondersteunde archiefformaten indexeren, maar de extensiefilter wordt toegepast op het archief zelf, niet op de interne bestanden. Gebruik geneste filters voor diepere controle.

Q: Hoe kan ik debuggen waarom een bepaald bestand werd uitgesloten?
A: Schakel de logging van de bibliotheek in (LoggingOptions.setEnabled(true)) en inspecteer het log – het meldt welke filter elk bestand heeft afgewezen.

Q: Is het mogelijk om de java file extension filter te combineren met aangepaste regex‑filters?
A: Absoluut. Plaats een regex‑filter binnen DocumentFilter.createAnd() naast de extensiefilter.

Q: Welke impact heeft het toevoegen van veel filters op de prestaties?
A: Elke filter voegt een bescheiden overhead toe tijdens het indexeren, maar de reductie in geïndexeerde data weegt meestal zwaarder dan de kosten. Test met een representatieve steekproef om de optimale balans te vinden.

Laatst bijgewerkt: 2026-09-06
Getest met: GroupDocs.Search 25.4 for Java
Auteur: GroupDocs

Gerelateerde tutorials