Как создать индекс с GroupDocs.Search для Java

Если вам нужно как создать индекс для тысяч юридических, академических или бизнес‑файлов, GroupDocs.Search for Java предоставляет готовый движок, который извлекает текст, создает компактную поисковую структуру и позволяет выполнять запросы regex, fuzzy или wildcard за миллисекунды. В этом руководстве вы увидите, как настроить SDK, создать индекс, добавить в него документы и выполнить мощные поиски по шаблону.

Быстрые ответы

  • Какова основная цель GroupDocs.Search? Создавать поисковые индексы для широкого спектра форматов документов.
  • Могу ли я добавить документы в индекс после его создания? Да — используйте метод index.add() для включения новых файлов.
  • Поддерживает ли GroupDocs.Search нечеткий поиск в Java? Абсолютно; включите его через SearchOptions.
  • Как выполнить wildcard‑запрос в Java? Создайте его с помощью SearchQuery.createWildcardQuery().
  • Требуется ли лицензия для использования в продакшене? Для коммерческих развертываний необходима действующая лицензия GroupDocs.Search.

SearchOptions настраивает поведение поиска, например нечеткое сопоставление.
SearchQuery.createWildcardQuery() создает объект wildcard‑запроса.

Что означает «как создать индекс» в контексте GroupDocs.Search?

Создание индекса означает сканирование одного или нескольких исходных документов, извлечение поискового текста и сохранение этой информации в структурированном формате, который можно эффективно запрашивать. Этот процесс создает компактную структуру данных на диске, обеспечивая молниеносный поиск по тысячам файлов, даже если оригинальные документы большие или хранятся в разных форматах.

Почему использовать GroupDocs.Search для Java?

GroupDocs.Search предоставляет проверенное корпоративное решение, которое поддерживает более 30 форматов ввода и вывода — включая PDF, DOCX, XLSX, PPTX, HTML и файлы простого текста — при этом обеспечивая время отклика запросов менее секунды для индексов, содержащих миллионы страниц. Его встроенные возможности fuzzy, wildcard и regex search java позволяют обрабатывать опечатки, сопоставление шаблонов и сложные сценарии поиска без написания собственных парсеров.

Предварительные требования

  • GroupDocs.Search for Java версии 25.4 или новее.
  • IDE, например IntelliJ IDEA или Eclipse с поддержкой Maven.
  • Установленный JDK 11 или более поздний на вашей машине разработки.
  • Базовые знания синтаксиса Java и концепций поиска.

Настройка GroupDocs.Search для Java

Вы можете добавить библиотеку через Maven или загрузить её вручную.

Настройка 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>

Прямое скачивание
В качестве альтернативы загрузите последнюю версию с GroupDocs.Search for Java releases.

Приобретение лицензии

  • Бесплатная пробная версия: Исследуйте все функции без оплаты.
  • Временная лицензия: Продлите использование пробной версии для оценочных проектов.
  • Полная лицензия: Требуется для продакшн‑развертываний и для разблокировки неограниченного индексирования.

После того как библиотека доступна, инициализируйте её в вашем Java‑коде:

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.");
    }
}

Как создать индекс с GroupDocs.Search

Загрузите исходные файлы, укажите SDK папку и позвольте ему построить поисковую структуру одним вызовом. Такой подход создаёт индекс менее чем за минуту для типичной коллекции документов объёмом 10 GB на стандартном сервере.

Определение путей

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

Создание индекса

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

Добавление документов в индекс

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

Совет: Убедитесь, что каталоги существуют и содержат только файлы, которые вы хотите сделать поисковыми; несвязанные файлы могут раздувать индекс.

Простой запрос слова с параметрами нечеткого поиска (fuzzy search java)

Нечеткий поиск помогает, когда пользователи ошибаются в написании слова или когда OCR вводит ошибки. SDK автоматически расширяет запрос, включая похожие термины на основе расстояния редактирования.

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.");

Wildcard‑запрос Java

Wildcard‑запросы позволяют сопоставлять шаблоны, такие как любое слово, начинающееся с определённого префикса, используя символы * или ?.

SearchQuery.createWildcardQuery() создает объект wildcard‑запроса.

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

Regex‑поиск Java

Регулярные выражения дают тонкий контроль над сопоставлением шаблонов, идеально подходят для поиска повторяющихся символов или сложных токенов.

SearchQuery.createRegexQuery() создает объект regex‑запроса для сопоставления шаблона.

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

Объединение подзапросов в запрос фразового поиска

Вы можете комбинировать запросы слов, wildcard и regex, чтобы построить сложные фразовые поиски, учитывающие порядок и близость.

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.");

Настройка и выполнение поиска с пользовательскими параметрами

Настройка параметров поиска позволяет контролировать количество возвращаемых вхождений, что полезно для больших корпусов. Вы также можете настраивать оценку, подсвечивать совпадения и ограничивать результаты на документ.

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.");

Regex‑поиск java – типичные сценарии использования

  • Юридические исследования: Находите пункты, соответствующие определенному шаблону, например даты в формате DD/MM/YYYY.
  • Проверка данных: Обнаруживайте некорректные идентификаторы или повторяющиеся символы в журналах.
  • Модерация контента: Находите нецензурные выражения или запрещенные шаблоны с помощью regex.
  • Финансовый анализ: Извлекайте коды транзакций, соответствующие известному шаблону regex.

Соображения по производительности

  • Оптимизация индексирования: Периодически переиндексируйте и удаляйте устаревшие файлы, чтобы индекс оставался компактным; хорошо поддерживаемый индекс из 1 миллиона страниц занимает менее 2 ГБ на диске.
  • Использование ресурсов: Следите за размером кучи JVM; большие индексы могут требовать до 8 ГБ кучи или off‑heap памяти для оптимальной пропускной способности.
  • Сборка мусора: Настраивайте параметры GC (например, G1GC) для длительно работающих поисковых сервисов, чтобы избежать всплесков времени пауз.

Часто задаваемые вопросы

В: Можно ли обновить существующий индекс без полной переиндексации?
A: Да — используйте index.add() для добавления новых файлов или index.update() для обновления изменённых документов.

В: Как нечеткий поиск обрабатывает разные языки?
A: Встроенный алгоритм нечеткого поиска работает с Unicode‑символами, поэтому поддерживает большинство языков сразу.

В: Есть ли ограничение на количество документов, которые можно индексировать?
A: Практически ограничение определяется доступным дисковым пространством и памятью JVM; библиотека рассчитана на миллионы документов.

В: Нужно ли перезапускать приложение после изменения параметров поиска?
A: Нет — параметры поиска применяются к каждому запросу, поэтому их можно менять «на лету».

В: Где можно найти более продвинутые примеры запросов?
A: Официальная документация GroupDocs.Search и справочник API предоставляют обширные примеры для сложных сценариев.


Последнее обновление: 2026-10-12
Тестировано с: GroupDocs.Search for Java 25.4
Автор: GroupDocs

Связанные руководства