Implementacja wysokiej kompresji .NET z GroupDocs: przewodnik po tekście i redakcji

W nowoczesnych rozwiązaniach .NET, implement high compression .net jest niezbędny, gdy trzeba przechowywać ogromne kolekcje tekstu bez nadmiernego zużycia dysku. Jednocześnie ochrona wrażliwych informacji — takich jak identyfikatory osobiste czy dane finansowe — wymaga niezawodnej redakcji. Ten samouczek pokazuje krok po kroku, jak skonfigurować przechowywanie tekstu z wysoką kompresją przy użyciu GroupDocs.Search oraz jak bezpiecznie usunąć poufne dane za pomocą GroupDocs.Redaction. Po zakończeniu będziesz w stanie skompresować indeksowany tekst nawet o 90 % i usunąć prywatną zawartość z plików PDF, Word i wielu innych formatów.

Szybkie odpowiedzi

  • Jaka biblioteka zapewnia indeksowanie wysokiej kompresji? GroupDocs.Search for .NET.
  • Które narzędzie usuwa wrażliwe dane? GroupDocs.Redaction for .NET.
  • Czy mogę automatycznie dodawać dokumenty do indeksu? Yes—use the AddDocument API inside a folder‑scan loop.
  • Czy kompresja jest bezstratna dla wyszukiwania? Yes, the text remains fully searchable after compression.
  • Czy potrzebna jest licencja do produkcji? A permanent GroupDocs license is required for commercial use.

Co oznacza „implement high compression .net”?

Implement high compression .net oznacza skonfigurowanie silnika indeksowania GroupDocs.Search do przechowywania wyodrębnionej treści tekstowej w skompresowanej formie. Redukuje to rozmiar indeksu na dysku dramatycznie, zachowując jednocześnie pełną możliwość wyszukiwania tekstu. Kompresja jest bezstratna, więc trafność zapytań i wyodrębnianie fragmentów działają dokładnie tak jak w przypadku nie skompresowanego indeksu.

Dlaczego warto używać GroupDocs do kompresji i redakcji?

GroupDocs.Search obsługuje ponad pięćdziesiąt formatów wejściowych i może skompresować indeksowany tekst nawet o dziewięćdziesiąt procent, pozwalając dużym zbiorom dokumentów zajmować tylko ułamek ich pierwotnego rozmiaru. GroupDocs.Redaction uzupełnia to, trwale usuwając lub maskując wrażliwe informacje w ponad trzydziestu typach plików, pomagając spełnić surowe przepisy zgodności, takie jak GDPR i HIPAA, bez dodatkowych narzędzi.

Wymagania wstępne

  • Środowisko programistyczne: Visual Studio 2022 lub nowsze, .NET 6+ (lub .NET Framework 4.7.2).
  • Biblioteki: pakiety NuGet GroupDocs.Search i GroupDocs.Redaction.
  • Uprawnienia: dostęp odczytu/zapisu do folderów zawierających dokumenty źródłowe oraz miejsce wyjściowe indeksu.
  • Podstawowa wiedza: składnia C#, operacje I/O na plikach oraz znajomość struktury projektu .NET.

Jak zaimplementować wysoką kompresję .NET z GroupDocs?

Aby zaimplementować wysoką kompresję .NET z GroupDocs, najpierw utwórz instancję TextStorageSettings i ustaw jej CompressionLevel na High. Następnie zainicjuj obiekt Index, przekazując ustawienia oraz folder, w którym indeks będzie przechowywany. Po przygotowaniu indeksu dodaj dokumenty przy użyciu AddDocument, a na końcu wykonaj wyszukiwania metodą Search, przy czym silnik transparentnie obsługuje kompresję i dekompresję.

Krok 1: Zainstaluj wymagane pakiety NuGet

.NET CLI

dotnet add package GroupDocs.Search

dotnet add package GroupDocs.Redaction

Package Manager

Install-Package GroupDocs.Search

Install-Package GroupDocs.Redaction

NuGet Package Manager UI

  • Wyszukaj „GroupDocs.Search” i kliknij Install.

Krok 2: Zainstaluj GroupDocs.Redaction (do redakcji danych)

  • Otwórz NuGet Package Manager.
  • Wyszukaj GroupDocs.Redaction i zainstaluj najnowszą stabilną wersję.

Krok 3: Uzyskaj i zastosuj licencję

  • Darmowa wersja próbna: Zarejestruj się w portalu GroupDocs, aby uzyskać klucz próbny na 30 dni.
  • Licencja tymczasowa: Poproś o tymczasowy klucz do środowisk deweloperskich.
  • Licencja stała: Kup licencję produkcyjną, aby usunąć ograniczenia wersji ewaluacyjnej.

Krok 4: Podstawowa inicjalizacja obu bibliotek

Silniki Search i Redaction korzystają ze wspólnego modelu licencjonowania. Zainicjalizuj je przy uruchamianiu aplikacji:

// Initialize GroupDocs.Search
var searchLicense = new License();
searchLicense.SetLicense("path/to/search.lic");

// Initialize GroupDocs.Redaction
var redactionLicense = new License();
redactionLicense.SetLicense("path/to/redaction.lic");

using GroupDocs.Redaction;
// Initialize the Redactor with your document path
Redactor redactor = new Redactor("YOUR_DOCUMENT_PATH");

Funkcja 1: Ustawienia przechowywania tekstu z wysoką kompresją

Konfiguracja ustawień indeksowania

TextStorageSettings jest klasą, która określa, jak GroupDocs.Search przechowuje wyodrębniony tekst. Włączenie wysokiej kompresji zmniejsza rozmiar indeksu nawet o 10× bez wpływu na szybkość wyszukiwania.

var textStorage = new TextStorageSettings
{
    Compression = CompressionLevel.High,   // Enables maximum compression
    UseMemoryCache = false                // Reduces RAM usage for huge indexes
};

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Wyjaśnienie:

  • CompressionLevel.High aktywuje algorytm oparty na ZSTD, który efektywnie kompresuje bloki tekstu.
  • UseMemoryCache = false zmusza silnik do strumieniowego odczytu danych z dysku, co jest idealne przy dużych wdrożeniach.

Tworzenie i zarządzanie indeksem

Obiekt Index reprezentuje przeszukiwalne repozytorium na dysku. Określasz folder, w którym będą przechowywane pliki indeksu, oraz przekazujesz powyższe ustawienia kompresji.

var indexFolder = @"C:\Indexes\HighCompression";
var settings = new IndexSettings { TextStorage = textStorage };
var index = new Index(indexFolder, settings);

string indexFolder = "/path/to/your/index/directory";
Index index = new Index(indexFolder, settings);

Wyjaśnienie:

  • indexFolder określa, gdzie znajdują się skompresowane pliki indeksu.
  • settings wprowadza konfigurację wysokiej kompresji, zapewniając, że każdy dodany dokument z niej korzysta.

Funkcja 2: Dodawanie dokumentów do indeksu

Dodaj dokumenty do swojego indeksu

AddDocument dodaje pojedynczy plik do indeksu, wyodrębnia jego tekst, kompresuje go zgodnie z ustawieniami i przechowuje wynik. GroupDocs.Search może przetwarzać pliki z drzewa katalogów. Poniższa pętla przechodzi przez documentsFolder, dodaje każdy plik i rejestruje postęp.

var documentsFolder = @"C:\SourceDocs";
foreach (var filePath in Directory.GetFiles(documentsFolder, "*.*", SearchOption.AllDirectories))
{
    index.AddDocument(filePath);
}

string documentsFolder = "/path/to/your/documents";
index.Add(documentsFolder);

Wyjaśnienie:

  • AddDocument parsuje plik, wyodrębnia tekst możliwy do przeszukania, kompresuje go zgodnie z TextStorageSettings i zapisuje w indeksie.
  • To podejście działa dla PDF, DOCX, TXT, HTML oraz ponad 30 innych formatów.

Funkcja 3: Wykonywanie zapytania wyszukiwania

Wykonaj wyszukiwanie

Search wykonuje zapytanie przeciwko skompresowanemu indeksowi i zwraca kolekcję pasujących obiektów DocumentResult z ocenami trafności oraz wyróżnionymi fragmentami. Po wypełnieniu indeksu możesz uruchamiać szybkie zapytania. Metoda Search zwraca kolekcję obiektów DocumentResult, które zawierają ścieżki plików i wyróżnione fragmenty.

var query = "confidential";
var results = index.Search(query);
foreach (var result in results)
{
    Console.WriteLine($"{result.FilePath} – Score: {result.Score}");
}

string query = "searchTerm";
SearchResult result = index.Search(query);

Wyjaśnienie:

  • Silnik wyszukiwania skanuje skompresowany tekst bezpośrednio, więc opóźnienie zapytania pozostaje niskie nawet dla indeksów zawierających miliony stron.
  • Score wskazuje trafność; wyższe wartości oznaczają lepsze dopasowanie.

Jak zredagować poufne dane przy użyciu GroupDocs.Redaction?

Redagowanie poufnych danych przy użyciu GroupDocs.Redaction rozpoczyna się od utworzenia instancji Redactor dla docelowego pliku. Zdefiniuj jeden lub więcej obiektów SearchPattern, które opisują tekst do usunięcia, np. wyrażenia regularne dla numerów ubezpieczenia społecznego. Zastosuj każdy wzorzec przy użyciu Redact, określając RedactionType, np. BlackOut, i zapisz wynik jako nowy dokument, zapewniając, że oryginał pozostaje nienaruszony.

Redactor jest główną klasą w GroupDocs.Redaction używaną do ładowania dokumentu i wykonywania operacji redakcji.
SearchPattern definiuje wyrażenie regularne, które identyfikuje tekst do redakcji.

var redactor = new Redactor(@"C:\Docs\Sensitive.pdf");
redactor.Apply(new RedactionOptions
{
    SearchPattern = @"\b\d{3}-\d{2}-\d{4}\b", // SSN pattern
    RedactionColor = Color.Black,
    RedactionType = RedactionType.BlackOut
});
redactor.Save(@"C:\Docs\Sensitive_redacted.pdf");

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Wyjaśnienie:

  • SearchPattern używa wyrażenia regularnego do znajdowania numerów ubezpieczenia społecznego.
  • RedactionType.BlackOut zastępuje dopasowany tekst solidnym czarnym prostokątem, zapewniając, że dane nie mogą zostać odzyskane.

Praktyczne zastosowania

  1. Zarządzanie dokumentami prawnymi: Automatycznie kompresuj ogromne akta spraw i redaguj identyfikatory klientów przed archiwizacją.
  2. Rekordy medyczne: Przechowuj lata notatek pacjentów w skompresowanym indeksie i usuwaj PHI (Protected Health Information) przed udostępnieniem partnerom badawczym.
  3. Raportowanie finansowe: Zabezpiecz kwartalne raporty, redagując numery kont, jednocześnie zachowując tekst przeszukiwalny dla zapytań audytowych.

Rozważania dotyczące wydajności

  • Wpływ kompresji: Wysoka kompresja zmniejsza rozmiar indeksu nawet o 90 %, co obniża zużycie SSD i przyspiesza operacje backupu.
  • Zużycie pamięci: Wyłącz buforowanie w pamięci dla bardzo dużych indeksów, aby utrzymać zużycie procesu poniżej 500 MB.
  • Optymalizacja I/O: Dodawaj dokumenty partiami po 100, aby zminimalizować nadmierne operacje dyskowe.
  • Przetwarzanie asynchroniczne: Owiń wywołania AddDocument w Task.Run, aby utrzymać responsywność wątków UI w aplikacjach desktopowych.

Częste pułapki i rozwiązywanie problemów

  • Nieprawidłowe ścieżki plików: Zweryfikuj, że documentsFolder i indexFolder są ścieżkami bezwzględnymi oraz że aplikacja ma uprawnienia odczytu/zapisu.
  • Błędy licencji: Upewnij się, że pliki .lic są wdrożone razem z plikiem wykonywalnym lub osadzone jako zasoby.
  • Wyszukiwanie nie zwraca wyników: Sprawdź, czy poziom kompresji w TextStorageSettings odpowiada temu użytemu podczas indeksowania; niezgodne ustawienia mogą powodować błędy deserializacji.

Najczęściej zadawane pytania

P: Czy mogę dodawać dokumenty do indeksu po początkowym utworzeniu?
O: Tak — po prostu wywołaj index.AddDocument dla nowych plików; silnik aktualizuje skompresowany indeks stopniowo.

P: Czy redakcja zmienia oryginalny plik?
O: Nie — oryginalny plik pozostaje nienaruszony; wersja zredagowana jest zapisywana jako nowy plik, zachowując integralność dokumentu.

P: Jakie formaty obsługuje GroupDocs.Redaction?
O: Ponad 30 formatów, w tym PDF, DOCX, PPTX, XLSX, obrazy (PNG, JPEG) oraz zwykły tekst.

P: Jak wysoka kompresja wpływa na trafność wyszukiwania?
O: Nie wpływa. Kompresja jest bezstratna dla tekstu, więc oceny trafności są identyczne jak w nie skompresowanym indeksie.

P: Czy istnieje limit rozmiaru dokumentów, które mogę indeksować?
O: GroupDocs.Search może obsługiwać pliki wielogigabajtowe, strumieniując ich zawartość; jednak zapewnij wystarczającą ilość miejsca na dysku dla skompresowanego indeksu (około 10 % pierwotnego rozmiaru).

Zasoby

Ostatnia aktualizacja: 2026-06-07
Testowano z: GroupDocs.Search 23.12 and GroupDocs.Redaction 23.12 for .NET
Autor: GroupDocs

Powiązane samouczki