Implementera hög komprimering .NET med GroupDocs: Text‑ och redigeringsguide

I moderna .NET‑lösningar är implement high compression .net avgörande när du behöver lagra enorma textsamlingar utan att öka diskutrymmet. Samtidigt kräver skydd av känslig information—såsom personliga identifierare eller finansiella siffror—pålitlig maskering. Denna handledning visar dig steg‑för‑steg hur du konfigurerar högkomprimerad textlagring med GroupDocs.Search och hur du säkert maskerar konfidentiell data med GroupDocs.Redaction. I slutet kommer du kunna komprimera indexerad text med upp till 90 % och ta bort privat innehåll från PDF‑, Word‑filer och många andra format.

Snabba svar

  • Vilket bibliotek tillhandahåller högkomprimeringsindexering? GroupDocs.Search för .NET.
  • Vilket verktyg maskerar känslig data? GroupDocs.Redaction för .NET.
  • Kan jag lägga till dokument i indexet automatiskt? Ja—använd AddDocument‑API:t i en mapp‑skanningsloop.
  • Är komprimeringen förlustfri för sökning? Ja, texten förblir fullt sökbar efter komprimering.
  • Behöver jag en licens för produktion? En permanent GroupDocs‑licens krävs för kommersiell användning.

Vad är “implement high compression .net”?

Implement high compression .net innebär att konfigurera GroupDocs.Search‑indexeringsmotorn för att lagra extraherat textinnehåll i komprimerad form. Detta minskar storleken på indexet på disken dramatiskt samtidigt som texten förblir fullt sökbar. Komprimeringen är förlustfri, så fråge­relevans och utdragsutvinning fungerar exakt som med ett okomprimerat index.

Varför använda GroupDocs för komprimering och maskering?

GroupDocs.Search stöder mer än femtio inmatningsformat och kan komprimera indexerad text med upp till nittio procent, vilket gör att stora dokumentsamlingar bara upptar en bråkdel av sin ursprungliga storlek. GroupDocs.Redaction kompletterar detta genom att permanent radera eller maskera känslig information i över trettio filtyper, vilket hjälper dig att uppfylla strikta efterlevnadsregler som GDPR och HIPAA utan extra verktyg.

Förutsättningar

  • Utvecklingsmiljö: Visual Studio 2022 eller senare, .NET 6+ (eller .NET Framework 4.7.2).
  • Bibliotek: NuGet‑paketen GroupDocs.Search och GroupDocs.Redaction.
  • Behörigheter: Läs‑/skriv‑åtkomst till mapparna som innehåller källdokumenten och platsen för indexutdata.
  • Grundläggande kunskap: C#‑syntax, fil‑I/O och bekantskap med .NET‑projektstruktur.

Hur implementerar du hög komprimering .NET med GroupDocs?

För att implementera hög komprimering .NET med GroupDocs, skapa först en TextStorageSettings‑instans och sätt dess CompressionLevel till High. Instansiera sedan ett Index‑objekt, och skicka med inställningarna samt mappen där indexet ska lagras. När indexet är klart, lägg till dokument med AddDocument, och kör slutligen sökningar med Search‑metoden, medan motorn transparent hanterar komprimering och dekomprimering.

Steg 1: Installera de erforderliga NuGet‑paketen

.NET CLI

dotnet add package GroupDocs.Search

dotnet add package GroupDocs.Redaction

Package Manager

Install-Package GroupDocs.Search

Install-Package GroupDocs.Redaction

NuGet Package Manager UI

  • Sök efter “GroupDocs.Search” och klicka på Install.

Steg 2: Installera GroupDocs.Redaction (för datamaskering)

  • Öppna NuGet Package Manager.
  • Sök efter GroupDocs.Redaction och installera den senaste stabila versionen.

Steg 3: Skaffa och tillämpa en licens

  • Gratis provperiod: Registrera dig på GroupDocs‑portalen för en 30‑dagars provnyckel.
  • Tillfällig licens: Begär en tillfällig nyckel för utvecklingsmiljöer.
  • Permanent licens: Köp en produktionslicens för att ta bort utvärderingsbegränsningar.

Steg 4: Grundläggande initiering av båda biblioteken

Search och Redaction‑motorerna delar en gemensam licensmodell. Initiera dem vid applikationens start:

// Initialize GroupDocs.Search
var searchLicense = new License();
searchLicense.SetLicense("path/to/search.lic");

// Initialize GroupDocs.Redaction
var redactionLicense = new License();
redactionLicense.SetLicense("path/to/redaction.lic");

using GroupDocs.Redaction;
// Initialize the Redactor with your document path
Redactor redactor = new Redactor("YOUR_DOCUMENT_PATH");

Funktion 1: Inställningar för hög komprimering av textlagring

Konfigurera indexeringsinställningar

TextStorageSettings är klassen som talar om för GroupDocs.Search hur den extraherade texten ska lagras. Aktivering av hög komprimering minskar indexstorleken med upp till 10× utan att påverka sökhastigheten.

var textStorage = new TextStorageSettings
{
    Compression = CompressionLevel.High,   // Enables maximum compression
    UseMemoryCache = false                // Reduces RAM usage for huge indexes
};

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Förklaring:

  • CompressionLevel.High aktiverar en ZSTD‑baserad algoritm som komprimerar textblock effektivt.
  • UseMemoryCache = false tvingar motorn att strömma data från disk, vilket är idealiskt för storskaliga distributioner.

Skapa och hantera indexet

Index‑objektet representerar det sökbara lagret på disk. Du anger mappen där indexfilerna ska lagras och skickar med komprimeringsinställningarna som definierats ovan.

var indexFolder = @"C:\Indexes\HighCompression";
var settings = new IndexSettings { TextStorage = textStorage };
var index = new Index(indexFolder, settings);

string indexFolder = "/path/to/your/index/directory";
Index index = new Index(indexFolder, settings);

Förklaring:

  • indexFolder bestämmer var de komprimerade indexfilerna lagras.
  • settings injicerar högkomprimeringskonfigurationen, vilket säkerställer att varje tillagt dokument drar nytta av den.

Funktion 2: Lägga till dokument i indexet

Lägg till dokument i ditt index

AddDocument lägger till en enskild fil i indexet, extraherar dess text, komprimerar den enligt de konfigurerade inställningarna och lagrar resultatet. GroupDocs.Search kan läsa in filer från ett katalogträd. Följande loop går igenom documentsFolder, lägger till varje fil och loggar framsteg.

var documentsFolder = @"C:\SourceDocs";
foreach (var filePath in Directory.GetFiles(documentsFolder, "*.*", SearchOption.AllDirectories))
{
    index.AddDocument(filePath);
}

string documentsFolder = "/path/to/your/documents";
index.Add(documentsFolder);

Förklaring:

  • AddDocument analyserar filen, extraherar sökbar text, komprimerar den enligt TextStorageSettings och lagrar den i indexet.
  • Denna metod fungerar för PDF, DOCX, TXT, HTML och mer än 30 andra format.

Funktion 3: Utföra en sökfråga

Utför en sökning

Search kör en fråga mot det komprimerade indexet och returnerar en samling matchande DocumentResult‑objekt med relevanspoäng och markerade utdrag. När indexet är fyllt kan du köra snabba frågor. Search‑metoden returnerar en samling DocumentResult‑objekt som inkluderar filsökvägar och markerade utdrag.

var query = "confidential";
var results = index.Search(query);
foreach (var result in results)
{
    Console.WriteLine($"{result.FilePath} – Score: {result.Score}");
}

string query = "searchTerm";
SearchResult result = index.Search(query);

Förklaring:

  • Sökmotorn skannar den komprimerade texten direkt, så frågelatensen förblir låg även för index som innehåller miljoner sidor.
  • Score indikerar relevans; högre värden betyder en bättre matchning.

Hur maskeras konfidentiell data med GroupDocs.Redaction?

Maskering av konfidentiell data med GroupDocs.Redaction börjar med att skapa en Redactor‑instans för målfilen. Definiera ett eller flera SearchPattern‑objekt som beskriver den text som ska tas bort, till exempel reguljära uttryck för personnummer. Applicera varje mönster med Redact, ange en RedactionType som BlackOut, och spara resultatet som ett nytt dokument, så att originalet förblir orört.

Redactor är huvudklassen i GroupDocs.Redaction som används för att läsa in ett dokument och utföra maskeringsoperationer. SearchPattern definierar ett reguljärt uttryck som identifierar den text som ska maskeras.

var redactor = new Redactor(@"C:\Docs\Sensitive.pdf");
redactor.Apply(new RedactionOptions
{
    SearchPattern = @"\b\d{3}-\d{2}-\d{4}\b", // SSN pattern
    RedactionColor = Color.Black,
    RedactionType = RedactionType.BlackOut
});
redactor.Save(@"C:\Docs\Sensitive_redacted.pdf");

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

Förklaring:

  • SearchPattern använder ett reguljärt uttryck för att hitta personnummer.
  • RedactionType.BlackOut ersätter den matchade texten med en solid svart rektangel, vilket säkerställer att data inte kan återställas.

Praktiska tillämpningar

  1. Hantering av juridiska dokument: Komprimera automatiskt massiva ärendefiler och maskera klientidentifierare innan arkivering.
  2. Hälsoregister: Lagra år av patientanteckningar i ett komprimerat index och ta bort PHI (Protected Health Information) innan delning med forskningspartner.
  3. Finansiell rapportering: Säkerställ kvartalsrapporter genom att maskera kontonummer samtidigt som den sökbara texten behålls för revisionsfrågor.

Prestandaöverväganden

  • Komprimeringspåverkan: Hög komprimering minskar indexstorleken med upp till 90 %, vilket minskar SSD‑slitage och snabbar upp backup‑operationer.
  • Minnesanvändning: Inaktivera cache i minnet för mycket stora index för att hålla processens fotavtryck under 500 MB.
  • I/O‑optimering: Lägg till dokument i batchar om 100 för att minimera disk‑thrashing.
  • Asynkron bearbetning: Packa AddDocument‑anrop i Task.Run för att hålla UI‑trådar responsiva i skrivbordsappar.

Vanliga fallgropar & felsökning

  • Felaktiga filsökvägar: Verifiera att documentsFolder och indexFolder är absoluta sökvägar och att applikationen har läs‑/skrivrättigheter.
  • Licensfel: Säkerställ att .lic‑filerna är distribuerade tillsammans med den körbara filen eller inbäddade som resurser.
  • Sökning ger inga resultat: Kontrollera att komprimeringsnivån i TextStorageSettings matchar den som användes under indexering; felaktiga inställningar kan orsaka deserialiseringsfel.

Vanliga frågor

Q: Kan jag lägga till dokument i indexet efter den initiala byggnaden?
A: Ja—anropa helt enkelt index.AddDocument för nya filer; motorn uppdaterar det komprimerade indexet inkrementellt.

Q: Ändrar maskering den ursprungliga filen?
A: Nej—den ursprungliga filen förblir orörd; den maskerade versionen sparas som en ny fil, vilket bevarar dokumentets integritet.

Q: Vilka format stöder GroupDocs.Redaction?
A: Över 30 format, inklusive PDF, DOCX, PPTX, XLSX, bilder (PNG, JPEG) och vanlig text.

Q: Hur påverkar hög komprimering sökrelevansen?
A: Den gör det inte. Komprimeringen är förlustfri för text, så relevanspoängen är identiska med ett okomprimerat index.

Q: Finns det en gräns för storleken på dokument jag kan indexera?
A: GroupDocs.Search kan hantera fler‑gigabyte‑filer genom att strömma innehåll; dock bör du säkerställa tillräckligt med diskutrymme för det komprimerade indexet (ungefär 10 % av originalstorleken).

Resurser

Senast uppdaterad: 2026-06-07
Testad med: GroupDocs.Search 23.12 och GroupDocs.Redaction 23.12 för .NET
Författare: GroupDocs

Relaterade handledningar