Отключить стоп-слова Java – Добавление документов в индекс с GroupDocs
В этом руководстве вы узнаете, как disable stop words java, добавляя ваши файлы в поисковый индекс с GroupDocs.Search for Java. Отключив встроенный фильтр стоп‑слов, каждый токен — включая обычные слова, такие как «on», «by» или «the» — становится доступным для поиска, что значительно повышает релевантность результатов для специализированных областей, таких как юридические контракты, каталоги электронной коммерции или технические руководства.
Быстрые ответы
- Что означает «add documents to index»? Это загрузка ваших исходных файлов в поисковый индекс, чтобы их можно было эффективно запрашивать.
- Почему я могу отключить стоп‑слова? Чтобы включить общие слова (например, «on», «the») в поиск, когда эти термины имеют смысл для вашего домена.
- Какая версия библиотеки требуется? GroupDocs.Search for Java 25.4 или новее.
- Нужна ли лицензия? Бесплатная пробная версия подходит для оценки; для продакшн‑использования требуется постоянная лицензия.
- Можно ли использовать это в проекте Maven? Да — просто добавьте репозиторий и зависимость, показанные ниже.
Что такое стоп‑слова в поиске и почему их может потребоваться отключить?
Стоп‑слова — это часто встречающиеся термины, которые многие поисковые движки автоматически фильтруют, чтобы ускорить обработку запросов. Отключение их гарантирует, что каждое слово — включая традиционно игнорируемые — вносит вклад в поисковый индекс, что важно, когда эти слова несут доменно‑специфическое значение. Например, в юридическом контракте слово «by» может различать стороны, а в каталоге продуктов «on» может быть частью названия модели.
Как работает добавление документов в индекс в GroupDocs.Search?
Когда вы добавляете документы, GroupDocs.Search читает каждый файл, токенизирует содержимое и сохраняет токены в оптимизированном обратном индексе. Эта структура обеспечивает поиск за доли секунды даже для коллекций, содержащих сотни тысяч файлов. Библиотека также поддерживает инкрементные обновления, позволяя поддерживать индекс актуальным без полной перестройки.
Предварительные требования
- Требуемые библиотеки: GroupDocs.Search for Java 25.4 (или новее).
- Среда разработки: IntelliJ IDEA, Eclipse или любой другой Java IDE по вашему выбору.
- Базовые знания: Знакомство с синтаксисом Java и концепцией индексации.
Настройка GroupDocs.Search for Java
Установка через Maven
Если вы используете Maven, добавьте следующее в ваш 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>
Прямое скачивание
Alternatively, download the latest version from выпуски GroupDocs.Search for Java.
Шаги получения лицензии
- Бесплатная пробная версия – начните тестировать сразу.
- Временная лицензия – получите ограниченный по времени ключ для полной функциональности.
- Покупка – приобретите постоянную лицензию для использования в продакшн.
Базовая инициализация и настройка
IndexSettings — это класс конфигурации, определяющий, как создаётся и ищется индекс, а также какие функции включены.
Создайте экземпляр IndexSettings, чтобы управлять поведением индекса:
import com.groupdocs.search.IndexSettings;
// Create an instance of IndexSettings
IndexSettings settings = new IndexSettings();
Как отключить стоп‑слова в поиске (Java)?
IndexSettings — это объект конфигурации, контролирующий поведение поискового индекса. По умолчанию он включает встроенный фильтр стоп‑слов. Чтобы отключить этот фильтр, вызовите метод setUseStopWords(false) у экземпляра IndexSettings. Этот единственный вызов отключает удаление стоп‑слов, гарантируя, что каждый токен — включая общие слова, такие как «on» или «the» — будет проиндексирован и доступен для запросов.
Как добавить документы в индекс
Добавление документов в индекс осуществляется созданием объекта Index с нужными IndexSettings и последующим вызовом его метода add для каждого файла или папки. Библиотека читает каждый документ, токенизирует его содержимое и сохраняет полученные термы в обратный индекс, делая их мгновенно доступными для поиска. Вы можете указать индекс в конкретный каталог вывода и задать исходную папку, содержащую файлы для индексации.
Определение каталога вывода
// Disable the use of stop words
tsettings.setUseStopWords(false);
Указание каталога документов
import com.groupdocs.search.Index;
// Define the path to the output directory for indexing
String indexFolder = "YOUR_OUTPUT_DIRECTORY\\IndexingWithStopWords";
// Create an index at the specified location with the configured settings
Index index = new Index(indexFolder, settings);
Выполнение поискового запроса
// Define the path to your document directory
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
// Add all documents in the specified folder to the index
index.add(documentsFolder);
Поскольку disable stop words java активен, запрос, содержащий термин «“on”», будет обработан, возвращая совпадения, которые иначе были бы проигнорированы фильтром по умолчанию.
Практические применения
- Поиск корпоративных документов – Сохранить критически важную терминологию, которая была бы удалена списками стоп‑слов по умолчанию.
- Платформы электронной коммерции – Повысить обнаруживаемость продуктов, индексируя каждое слово в описаниях, номерах моделей и спецификациях.
- Инструменты юридических исследований – Захватывать каждый юридический термин, даже те, которые обычно считаются стоп‑словами, чтобы не пропустить важные положения.
Соображения по производительности
- Советы по оптимизации: Регулярно обновляйте и очищайте ваш индекс, чтобы поддерживать высокую скорость поиска. GroupDocs.Search может обрабатывать до 1 миллиона документов, сохраняя время отклика менее секунды.
- Использование ресурсов: Следите за размером кучи JVM; большие индексы могут требовать максимальную кучу (
-Xmx) в 4 ГБ или более. - Управление памятью Java: Используйте варианты хранения вне кучи для очень больших корпусов, чтобы удерживать потребление кучи ниже 2 ГБ.
Распространённые проблемы и решения
| Симптом | Вероятная причина | Решение |
|---|---|---|
| Нет результатов для общих слов | setUseStopWords(true) (по умолчанию) | Вызовите setUseStopWords(false), как показано выше. |
| Ошибки Out‑of‑memory при индексации | Индексация слишком большого количества больших файлов одновременно | Индексируйте файлы пакетами; увеличьте параметр JVM -Xmx. |
| Поиск возвращает устаревшие данные | Индекс не обновлён после добавления новых файлов | Вызовите index.update() или повторно добавьте изменённые документы. |
Часто задаваемые вопросы
Q: Что такое стоп‑слова?
A: Стоп‑слова — это общие термины (например, «the», «is», «on»), которые многие поисковые движки игнорируют для ускорения запросов. Отключение их позволяет рассматривать каждый токен как доступный для поиска.
Q: Почему отключать стоп‑слова в поисковых индексах?
A: Когда требуется точное совпадение фраз — например, в юридических или технических документах — каждое слово имеет значение, поэтому необходимо включать стоп‑слова.
Q: Как GroupDocs.Search обрабатывает большие наборы данных?
A: Библиотека использует оптимизированные структуры данных и инкрементную индексацию, чтобы поддерживать низкое потребление памяти, даже при миллионах документов.
Q: Могу ли я интегрировать GroupDocs.Search с другими Java‑приложениями?
A: Да, API разработан для простого встраивания в любую систему на Java, от веб‑сервисов до настольных приложений.
Q: Что делать, если результаты поиска неточны?
A: Убедитесь, что индекс включает все необходимые файлы (add documents to index), проверьте, что фильтрация стоп‑слов отключена при необходимости, и рассмотрите возможность перестроения индекса после значительных изменений.
Дополнительные ресурсы
- Документация: Документация GroupDocs Search
- Справочник API: Справочник API GroupDocs
- Скачать: Скачать последнюю версию GroupDocs.Search for Java
- Репозиторий GitHub: Исследовать на GitHub
- Бесплатная поддержка: Присоединиться к форуму GroupDocs
- Временная лицензия: Подать заявку на временную лицензию
Следуя этому руководству, вы теперь знаете, как add documents to index и disable stop words java, чтобы предоставлять более точные результаты поиска в ваших Java‑приложениях.
Последнее обновление: 2026-07-07
Тестировано с: GroupDocs.Search for Java 25.4
Автор: GroupDocs
import com.groupdocs.search.results.SearchResult;
// Define your search query
tString query = "on";
// Perform the search operation using the index and the specified query
SearchResult result = index.search(query);
