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