Filtrar extensões de arquivo java com GroupDocs.Search

Neste tutorial abrangente, você aprenderá como filtrar extensões de arquivo java ao indexar documentos com GroupDocs.Search. Ao final do guia, você poderá incluir apenas os tipos de arquivo que precisa, excluir formatos indesejados e combinar essas regras com filtros de intervalo de datas e de caminho usando operadores lógicos AND, OR e NOT. Essa abordagem mantém seu índice enxuto, acelera as buscas e ajuda a manter a conformidade com as políticas de manipulação de dados.

Respostas rápidas

• O que é o filtro de extensão de arquivo java? É uma regra que indica ao GroupDocs.Search quais extensões de arquivo incluir ou excluir durante a indexação.
• Qual biblioteca fornece esse recurso? GroupDocs.Search for Java.
• Preciso de uma licença? Um teste gratuito funciona para avaliação; uma licença completa é necessária para produção.
• Posso combinar filtros? Sim – você pode encadear filtros de extensão, data, tamanho e caminho com lógica AND, OR, NOT.
• É compatível com Maven? Absolutamente – adicione a dependência GroupDocs.Search ao seu pom.xml.

O que é um filtro de extensão de arquivo java?

Um filtro de extensão de arquivo java é um conjunto de regras que avalia a extensão de cada arquivo antes de enviá-lo ao motor de indexação. Ao especificar extensões como .txt, .pdf ou .epub, você pode incluir arquivos por extensão ou excluir arquivos por extensão para manter seu índice focado e seus resultados de busca relevantes.

Por que usar filtragem de extensão de arquivo com GroupDocs.Search?

A filtragem de extensão de arquivo melhora a eficiência da indexação ao excluir formatos irrelevantes, reduz os requisitos de armazenamento e ajuda a cumprir regras de conformidade ao impedir que conteúdo indesejado entre no índice. Também permite respostas de consulta mais rápidas porque o motor de busca processa um conjunto de dados menor e mais relevante.

• Desempenho: Pular arquivos indesejados reduz I/O e acelera a indexação em até 40 % em grandes repositórios.
• Economia de armazenamento: Apenas documentos relevantes são armazenados no índice, reduzindo o uso de disco em média em 30 %.
• Conformidade: Impede a indexação acidental de tipos de arquivo confidenciais ou não suportados.
• Flexibilidade: Combine com recursos de date range filter java para direcionar arquivos criados ou modificados dentro de períodos específicos.

Pré-requisitos

Antes de começarmos, certifique‑se de que você tem o seguinte:

Bibliotecas e dependências necessárias

• GroupDocs.Search for Java – versão 25.4 ou posterior (suporta mais de 60 formatos de entrada).
• Java Development Kit (JDK) – qualquer versão compatível (8 ou superior).

Configuração do ambiente

• Ambiente de Desenvolvimento Integrado (IDE): IntelliJ IDEA, Eclipse ou qualquer IDE compatível com Maven.

Pré-requisitos de conhecimento

• Programação Java básica.
• Familiaridade com I/O de arquivos em Java.
• Compreensão de expressões regulares e manipulação de data‑hora.

Configurando GroupDocs.Search para Java

Para começar a usar o GroupDocs.Search, você precisa incluí‑lo como dependência em seu projeto.

Configuração Maven

Adicione a seguinte configuração de repositório e dependência ao seu arquivo pom.xml:

<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 direto

Alternativamente, faça o download da versão mais recente diretamente de GroupDocs.Search for Java releases.

Aquisição de licença

1. Teste gratuito – explore os recursos sem custo.
2. Licença temporária – obtenha funcionalidade completa por um período limitado.
3. Compra – obtenha uma licença permanente para uso em produção.

Inicialização e configuração básicas

Depois que a biblioteca for adicionada, inicialize seu ambiente de indexação. A classe IndexSettings contém todas as opções de configuração, incluindo filtros.

import com.groupdocs.search.*;

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

Guia de implementação

A seguir, mergulhamos em cada tipo de filtro, explicando por que ele é importante e fornecendo instruções passo a passo que você pode copiar para seu projeto.

Filtragem por extensão de arquivo

Filtre arquivos por suas extensões durante a indexação. Isso é perfeito quando você deseja processar apenas e‑books (.fb2, .epub) e arquivos de texto simples (.txt).

Visão geral

DocumentFilter.createFileExtension cria uma lista branca de extensões.

Etapas de implementação

1. Criar filtro – defina as extensões que você deseja manter.

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

2. Inicializar índice e adicionar documentos – aplique o filtro ao construir o IndexSettings.

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

Filtro lógico NOT

Exclua extensões específicas, como páginas da web e PDFs, quando não forem necessárias para seu cenário de busca.

Etapas de implementação

1. Criar filtro de exclusão – especifique as extensões a rejeitar.

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

2. Aplicar às configurações do índice – combine o filtro NOT com outras regras.

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

3. Adicionar documentos – apenas arquivos que passam pelo filtro combinado são indexados.

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

Filtro lógico AND

Combine várias condições — data de criação, extensão e tamanho do arquivo — de modo que apenas arquivos que atendam a todos os critérios sejam indexados.

Visão geral

DocumentFilter.createAnd mescla vários filtros em uma única regra.

Etapas de implementação

1. Definir filtros – crie filtros individuais para cada condição.

   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. Combinar filtros – use o operador AND para exigir todas as condições.

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

3. Indexar documentos – forneça o filtro combinado ao pipeline de indexação.

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

Filtro lógico OR

Inclua arquivos que satisfaçam qualquer das condições especificadas — útil quando você deseja capturar tanto pequenos arquivos de texto quanto arquivos não‑texto maiores.

Etapas de implementação

1. Definir filtros – crie filtros separados para cada condição alternativa.

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

2. Combinar filtros com condições lógicas – use o operador OR.

   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. Finalizar filtro OR – anexe o filtro combinado à configuração do índice.

   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");
   

Filtros de tempo de criação

Alveje arquivos criados dentro de um período específico — um cenário clássico de date range filter java.

Etapas de implementação

1. Definir filtro de intervalo de datas – especifique as datas de início e fim.

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

2. Indexar documentos – somente arquivos cujos carimbos de criação estejam dentro do intervalo são indexados.

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

Filtros de tempo de modificação

Exclua arquivos que foram modificados após uma certa data de corte.

Etapas de implementação

1. Definir filtro – defina o carimbo de tempo máximo de modificação.

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

2. Indexar documentos – arquivos mais recentes que o corte são ignorados.

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

Filtragem por caminho de arquivo

Restrinja a indexação a arquivos localizados em pastas específicas ou que correspondam a um padrão — ideal para include files by extension dentro de uma hierarquia de diretórios específica.

Etapas de implementação

1. Definir filtro de caminho de arquivo – use padrões glob ou regex para combinar diretórios.

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

2. Inicializar índice e adicionar documentos – aplique o filtro de caminho juntamente com outras regras.

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

Armadilhas comuns e dicas

• Nunca misture caminhos absolutos e relativos na mesma configuração de filtro – isso pode levar a exclusões inesperadas.
• Redefina o IndexSettings ao trocar conjuntos de filtros; caso contrário, filtros anteriores podem persistir.
• Combine um limite superior de comprimento com um filtro de extensão para grandes coleções, a fim de manter o uso de memória baixo.
• LoggingOptions controla a configuração de registro para GroupDocs.Search.
• Habilite o registro (LoggingOptions.setEnabled(true)) para ver por que um arquivo foi rejeitado.

Perguntas frequentes

Q: Posso alterar os critérios do filtro após o índice ser criado?
A: Sim. Reconstrua o índice com um novo DocumentFilter ou use indexação incremental com configurações atualizadas.

Q: O filtro de extensão de arquivo java funciona em arquivos compactados (por exemplo, ZIP)?
A: O GroupDocs.Search pode indexar formatos de arquivo suportados, mas o filtro de extensão se aplica ao próprio arquivo compactado, não aos arquivos internos. Use filtros aninhados para controle mais aprofundado.

Q: Como faço para depurar por que um arquivo específico foi excluído?
A: Habilite o registro da biblioteca (LoggingOptions.setEnabled(true)) e inspecione o log – ele relata qual filtro rejeitou cada arquivo.

Q: É possível combinar o filtro de extensão de arquivo java com filtros regex personalizados?
A: Absolutamente. Envolva um filtro regex dentro de DocumentFilter.createAnd() juntamente com o filtro de extensão.

Q: Qual o impacto de desempenho ao adicionar muitos filtros?
A: Cada filtro adiciona uma sobrecarga modesta durante a indexação, mas a redução de dados indexados geralmente supera o custo. Teste com uma amostra representativa para encontrar o equilíbrio ideal.

Última atualização: 2026-09-06
Testado com: GroupDocs.Search 25.4 for Java
Autor: GroupDocs

Tutoriais relacionados

• Formato de Data Personalizado Java | Busca por Intervalo de Datas com GroupDocs
• java boolean and or: Domine Buscas Booleanas com GroupDocs.Search para Java
• Otimize o Desempenho de Busca com Técnicas Avançadas de Indexação no GroupDocs.Search para Java