Hur man skapar index i .NET med GroupDocs Search API

I den här handledningen kommer du att upptäcka how to create index för dina .NET‑applikationer med hjälp av GroupDocs.Search och sedan skydda känsligt innehåll med GroupDocs.Redaction. I slutet av guiden kommer du att kunna bygga, uppdatera och rensa ett sökbart index, och du kommer att förstå varför kombinationen av sökning och radering är en bästa praxis för säker dokumenthantering.

Snabba svar

  • Vad betyder “how to create index”? Det betyder att bygga en sökbar datastruktur som mappar dokumentinnehåll till snabba uppslagsnycklar.
  • Vilka bibliotek krävs? GroupDocs.Search och GroupDocs.Redaction för .NET (NuGet‑paket).
  • Kan jag indexera PDF‑filer, Word och bilder? Ja—över 150 format stöds direkt.
  • Hur tar jag bort ett dokument från indexet? Anropa Delete‑metoden med dokumentets sökväg eller ID.
  • Utförs radering före eller efter indexering? Radering bör ske först så att skyddad data aldrig kommer in i indexet.

Vad är “how to create index”?

Frasen how to create index avser processen att generera en sökbar datastruktur som lagrar term‑till‑dokument‑mappningar för snabb återvinning. I GroupDocs lagras denna struktur på disk och kan uppdateras inkrementellt utan att bygga om hela samlingen.

Varför använda GroupDocs.Search och GroupDocs.Redaction tillsammans?

GroupDocs.Search stöder indexering av 150+ filformat och kan hantera index större än 10 GB samtidigt som minnesanvändningen hålls under 200 MB eftersom den strömmar filer istället för att ladda dem helt. Att lägga till GroupDocs.Redaction säkerställer att all konfidentiell text, bilder eller metadata tas bort innan innehållet någonsin når indexet, vilket garanterar efterlevnad av GDPR, HIPAA och andra regler.

Förutsättningar

  • Bibliotek & versioner – Installera de senaste GroupDocs.Search‑ och GroupDocs.Redaction‑NuGet‑paketen som är kompatibla med .NET 6 eller senare.
  • IDE – Visual Studio 2022 (eller någon IDE som stödjer .NET 6).
  • Kunskap – Grundläggande C#‑kunskaper, bekantskap med fil‑I/O och en förståelse för indexeringskoncept.

Konfigurera GroupDocs.Redaction för .NET

Installation

Använd .NET CLI:

dotnet add package GroupDocs.Redaction

Använd Package Manager Console i Visual Studio:

Install-Package GroupDocs.Redaction

Du kan också hitta “GroupDocs.Redaction” i NuGet Package Manager‑gränssnittet och installera den senaste stabila versionen.

Licensanskaffning

Du kan få en gratis provperiod eller begära en tillfällig licens för att utforska alla funktioner utan begränsningar. Besök GroupDocs’ Purchase Page för mer information om hur du skaffar en licens.

Grundläggande initiering

Redactor är den primära klassen som utför raderingsoperationer på ett dokument.
Följande kodsnutt visar den minsta koden som krävs för att börja använda GroupDocs.Redaction:

// Initialize the Redactor with a file path or stream
using (Redactor redactor = new Redactor("input.docx"))
{
    // Your redaction code here
}

Denna enkla konfiguration är allt du behöver för att börja använda GroupDocs.Redaction.

Implementeringsguide

Hur man skapar index?

Index representerar den sökbara behållaren som innehåller term‑ordböcker och dokumentmetadata.
Läs in eller skapa ett Index‑objekt, peka det på en mapp där indexfilerna ska lagras, och anropa Create. Operationen skriver de nödvändiga metadatafilerna och förbereder motorn för dokumentingest.

// Direct answer (40‑70 words):
Create a new `Index` instance by specifying the folder path where the index will reside, then invoke `Create()` to initialise the storage structures. The method writes index headers, term dictionaries, and a lock file, making the folder ready for document addition. This step is required only once per index location.

Steg 1: Skapa indexet

using GroupDocs.Search;

string indexFolder = @"YOUR_DOCUMENT_DIRECTORY/AdvancedUsage/Indexing/DeleteIndexedPaths";
Index index = new Index(indexFolder);
// This line initializes an index at the provided folder path.

Hur man lägger till dokument i indexet?

Add lägger till ett enskilt dokument i indexet, medan AddFolder bearbetar alla filer i en katalog.
Du lägger till filer genom att anropa Add eller AddFolder. Motorn läser varje stödd fil, extraherar text och uppdaterar term‑ordboken.

// Direct answer (40‑70 words):
Use `index.AddFolder("C:\\Docs")` or `index.Add("C:\\Docs\\file.pdf")` to feed documents into the index. The API streams each file, extracts searchable text, and stores term‑frequency data without loading the entire file into memory, which lets you index thousands of large PDFs efficiently.

Steg 2: Lägg till dokumentmappar

string documentsFolder1 = @"YOUR_DOCUMENT_DIRECTORY";
string documentsFolder2 = @"YOUR_DOCUMENT_DIRECTORY2";

index.Add(documentsFolder1);  // Adding the first folder of documents to the index
index.Add(documentsFolder2);  // Adding the second folder of documents to the index

Hur man hämtar indexerade sökvägar?

GetIndexedPaths returnerar en samling av alla dokumentsökvägar som lagras i indexet.
Att hämta listan över indexerade filsökvägar låter dig verifiera vilka dokument som för närvarande är sökbara.

// Direct answer (40‑70 words):
Call `index.GetIndexedDocuments()` to obtain a collection of `IndexedDocumentInfo` objects, each containing the original file path, document ID, and indexing timestamp. Loop through the collection and output the `FilePath` property to confirm that every expected file has been successfully added.

Steg 3: Visa indexerade sökvägar

string[] indexedPaths1 = index.GetIndexedPaths();
foreach (string path in indexedPaths1)
{
    Console.WriteLine(path); // Outputs the document paths
}

Hur man tar bort dokument från indexet?

Delete tar bort ett dokument från indexet via dess sökväg eller identifierare.
När en fil tas bort eller blir föråldrad bör du radera dess post för att hålla sökresultaten korrekta.

// Direct answer (40‑70 words):
Invoke `index.Delete("C:\\Docs\\obsolete.pdf")` or `index.Delete(documentId)` to purge a specific document from the index. The method removes all term entries linked to that file, updates the term dictionary, and frees the space on disk, ensuring that future queries no longer return the deleted content.

Steg 4: Radera specifika sökvägar

using GroupDocs.Search.Options;

string[] pathsToDelete = { @"YOUR_DOCUMENT_DIRECTORY" };
DeleteResult deleteResult = index.Delete(pathsToDelete, new UpdateOptions());
// This deletes specified document paths from the index.

Hur man verifierar återstående indexerade sökvägar efter radering?

Efter borttagning kan du köra om hämtningsmetoden för att säkerställa att indexet speglar det aktuella tillståndet.

// Direct answer (40‑70 words):
Run `index.GetIndexedDocuments()` again and compare the resulting list with the pre‑deletion list. The missing file path confirms successful deletion, while the remaining entries confirm the index’s integrity. This verification step is especially important in automated pipelines.

Steg 5: Verifiera återstående sökvägar

string[] indexedPaths2 = index.GetIndexedPaths();
foreach (string path in indexedPaths2)
{
    Console.WriteLine(path); // Displays remaining paths after deletion
}

Praktiska tillämpningar

  1. Document Management Systems – Lokalisera snabbt kontrakt, fakturor eller manualer bland miljontals filer.
  2. Legal Document Review – Radera privilegierad information innan indexering för att undvika oavsiktlig exponering.
  3. Archival Solutions – Bevara sökbar metadata för historiska arkiv utan att ladda hela arkiven i minnet.
  4. Content Management Platforms – Driv webbplats‑omfattande sökning för bloggar, kunskapsbaser och mediebibliotek.
  5. Data Compliance Audits – Säkerställ att endast sanerat innehåll är sökbart, vilket uppfyller regulatoriska krav.

Prestandaöverväganden

  • Optimize Indexing – Schemalägg inkrementell indexering varje natt; använd AddFolder med en batch‑storlek på 100 filer för att minska I/O‑spikar.
  • Resource Management – Övervaka CPU och RAM; GroupDocs.Search bearbetar filer i en strömningsmetod, vilket håller maxminnet under 200 MB även för 10 GB‑index.
  • Best Practices – Spara indexet på SSD‑enheter för sub‑sekundssvar på frågor, och aktivera komprimering (index.Compression = true) för att halvera diskutrymmet.

Vanliga frågor

Q: Kan jag indexera icke‑textfiler med GroupDocs?
A: Ja, GroupDocs.Search kan indexera över 150 format—inklusive PDF‑filer, DOCX, PPTX, XLSX och bildtyper—genom att extrahera inbäddad text via OCR när det behövs.

Q: Hur hanterar jag stora volymer av dokument?
A: Använd AddFolder med en konfigurerbar batch‑storlek, kör indexering i en bakgrundstjänst och anropa periodiskt Optimize() för att slå ihop små indexsegment.

Q: Vilka är fördelarna med att använda radering tillsammans med indexering?
A: Radering tar bort personligt identifierbar information innan den någonsin når indexet, vilket garanterar att sökresultat aldrig avslöjar skyddad data.

Q: Är det möjligt att anpassa sökalgoritmer?
A: GroupDocs.Search tillhandahåller synonymordböcker, anpassade tokeniserare och reguljära uttrycksfilter, vilket låter dig finjustera relevanspoängsättningen.

Q: Hur felsöker jag vanliga indexeringsproblem?
A: Verifiera mappbehörigheter, säkerställ att .NET‑runtime matchar bibliotekets mål, och kontrollera loggfilen som genereras i indexmappen för detaljerade felmeddelanden.

Resurser

Utforska dessa resurser för att fördjupa din förståelse och förbättra din implementering av GroupDocs.Search och Redaction i .NET. Lycka till med kodningen!

Last Updated: 2026-07-26
Tested With: GroupDocs.Search 23.10, GroupDocs.Redaction 23.10 for .NET
Author: GroupDocs

Relaterade handledningar