Como criar índice com GroupDocs.Search para Java

Se você precisar como criar índice para milhares de arquivos jurídicos, acadêmicos ou empresariais, o GroupDocs.Search para Java oferece um mecanismo pronto que extrai texto, cria uma estrutura de pesquisa compacta e permite executar consultas regex, fuzzy ou wildcard em milissegundos. Neste tutorial, você verá como configurar o SDK, criar um índice, adicionar documentos a ele e executar pesquisas poderosas baseadas em padrões.

Respostas rápidas

  • Qual é o objetivo principal do GroupDocs.Search? Para criar índices pesquisáveis para uma ampla variedade de formatos de documentos.
  • Posso adicionar documentos ao índice após sua criação? Sim—use o método index.add() para incluir novos arquivos.
  • O GroupDocs.Search suporta pesquisa fuzzy em Java? Absolutamente; habilite-a via SearchOptions.
  • Como executo uma consulta wildcard em Java? Crie-a com SearchQuery.createWildcardQuery().
  • É necessária uma licença para uso em produção? Uma licença válida do GroupDocs.Search é necessária para implantações comerciais.

SearchOptions configura o comportamento da pesquisa, como correspondência fuzzy.
SearchQuery.createWildcardQuery() cria um objeto de consulta wildcard.

O que é “how to create index” no contexto do GroupDocs.Search?

Criar um índice significa escanear um ou mais documentos de origem, extrair texto pesquisável e armazenar essas informações em um formato estruturado que pode ser consultado de forma eficiente. Esse processo cria uma estrutura de dados compacta em disco que permite buscas ultrarrápidas em milhares de arquivos, mesmo quando os documentos originais são grandes ou armazenados em diferentes formatos.

Por que usar o GroupDocs.Search para Java?

O GroupDocs.Search oferece uma solução comprovada, de nível empresarial, que suporta mais de 30 formatos de entrada e saída—incluindo PDF, DOCX, XLSX, PPTX, HTML e arquivos de texto simples—enquanto fornece tempos de resposta de consulta inferiores a um segundo para índices contendo milhões de páginas. Seus recursos integrados de fuzzy, wildcard e regex search java permitem lidar com erros de digitação, correspondência de padrões e cenários de pesquisa complexos sem escrever analisadores personalizados.

Pré-requisitos

  • GroupDocs.Search for Java versão 25.4 ou mais recente.
  • Uma IDE como IntelliJ IDEA ou Eclipse com suporte a Maven.
  • JDK 11 ou posterior instalado na sua máquina de desenvolvimento.
  • Conhecimento básico de sintaxe Java e conceitos de pesquisa.

Configurando o GroupDocs.Search para Java

Você pode adicionar a biblioteca via Maven ou baixá‑la manualmente.

Configuração 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 direto
Alternativamente, baixe a versão mais recente em GroupDocs.Search for Java releases.

Aquisição de licença

  • Teste gratuito: Explore todos os recursos sem custo.
  • Licença temporária: Prolongue o uso do teste para projetos de avaliação.
  • Licença completa: Necessária para implantações em produção e para desbloquear indexação ilimitada.

Depois que a biblioteca estiver disponível, inicialize‑a no seu código 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.");
    }
}

Como criar índice com GroupDocs.Search

Carregue seus arquivos de origem, aponte o SDK para uma pasta e deixe‑lo construir a estrutura pesquisável em uma única chamada. Essa abordagem cria o índice em menos de um minuto para uma coleção típica de documentos de 10 GB em um servidor padrão.

Definindo caminhos

String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";

Criando o índice

Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);

Adicionando documentos ao índice

index.add(documentsFolder);
System.out.println("Documents added to the index.");

Dica profissional: Certifique‑se de que os diretórios existam e contenham apenas os arquivos que você deseja tornar pesquisáveis; arquivos não relacionados podem inflar o índice.

Consulta simples de palavra com opções de pesquisa fuzzy (fuzzy search java)

A pesquisa fuzzy ajuda quando os usuários digitam incorretamente uma palavra ou quando o OCR introduz erros. O SDK expande automaticamente a consulta para incluir termos semelhantes com base na distância de edição.

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.");

Consulta wildcard Java

Consultas wildcard permitem combinar padrões, como qualquer palavra que comece com um prefixo específico, usando os marcadores * ou ?.

SearchQuery.createWildcardQuery() cria um objeto de consulta wildcard.

SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");

Pesquisa regex Java

Expressões regulares fornecem controle detalhado sobre a correspondência de padrões, perfeito para encontrar caracteres repetidos ou estruturas de token complexas.

SearchQuery.createRegexQuery() cria um objeto de consulta regex para correspondência de padrões.

SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");

Combinando subconsultas em uma consulta de pesquisa de frase

Você pode combinar subconsultas de palavra, wildcard e regex para construir pesquisas de frase sofisticadas que respeitam ordem e proximidade.

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.");

Configurando e realizando uma pesquisa com opções personalizadas

Ajustar as opções de pesquisa permite controlar quantas ocorrências são retornadas, o que é útil para grandes corpora. Você também pode ajustar a pontuação, destacar correspondências e limitar resultados por 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.");

Pesquisa regex java – casos de uso comuns

  • Pesquisa jurídica: Localize cláusulas que seguem um padrão específico, como datas formatadas DD/MM/YYYY.
  • Validação de dados: Detecte identificadores malformados ou caracteres repetidos em logs.
  • Moderação de conteúdo: Encontre palavrões ou padrões proibidos usando regex.
  • Análise financeira: Extraia códigos de transação que correspondam a um modelo regex conhecido.

Considerações de desempenho

  • Otimizar indexação: Re‑indexe periodicamente e remova arquivos obsoletos para manter o índice enxuto; um índice bem mantido de 1 milhão de páginas ocupa menos de 2 GB em disco.
  • Uso de recursos: Monitore o tamanho do heap da JVM; índices grandes podem exigir até 8 GB de heap ou armazenamento off‑heap para desempenho ideal.
  • Coleta de lixo: Ajuste as configurações de GC (por exemplo, G1GC) para serviços de pesquisa de longa duração, a fim de evitar picos de tempo de pausa.

Perguntas frequentes

Q: Posso atualizar um índice existente sem reconstruí‑lo do zero?
A: Sim—use index.add() para acrescentar novos arquivos ou index.update() para atualizar documentos alterados.

Q: Como a pesquisa fuzzy lida com diferentes idiomas?
A: O algoritmo fuzzy integrado funciona com caracteres Unicode, portanto suporta a maioria dos idiomas imediatamente.

Q: Existe um limite para o número de documentos que posso indexar?
A: Na prática, o limite é determinado pelo espaço em disco disponível e pela memória da JVM; a biblioteca foi projetada para milhões de documentos.

Q: Preciso reiniciar a aplicação após alterar as opções de pesquisa?
A: Não—as opções de pesquisa são aplicadas por consulta, portanto você pode ajustá‑las em tempo real.

Q: Onde posso encontrar exemplos de consultas mais avançadas?
A: A documentação oficial do GroupDocs.Search e a referência da API fornecem exemplos extensos para cenários complexos.


Última atualização: 2026-10-12
Testado com: GroupDocs.Search for Java 25.4
Autor: GroupDocs

Tutoriais Relacionados