:** By aligning the index’s character set with the OCR engine’s output, you reduce false negatives and improve overall search relevance.

Translate.

Then footer:

Last Updated: 2026-03-17
Tested With: GroupDocs.Search 25.4 for Java
Author: GroupDocs

Translate labels but keep dates.

Now produce final markdown with translations.

Be careful to preserve all markdown formatting exactly.

Let’s craft final answer.# วิธีสร้างดัชนีด้วยการรับรู้ตัวอักษรโดยใช้ GroupDocs.Search สำหรับ Java

ในแอปพลิเคชันที่มีเอกสารจำนวนมากในยุคปัจจุบัน, วิธีสร้างดัชนี ที่เคารพความละเอียดของข้อความของคุณ—เช่น เครื่องหมายขีดกลาง, เครื่องหมายขีดล่าง, หรือสัญลักษณ์เฉพาะของภาษา—เป็นสิ่งสำคัญสำหรับการดึงข้อมูลที่เร็วและแม่นยำ ในบทแนะนำนี้เราจะอธิบายการกำหนดค่าการรับรู้ตัวอักษรใน GroupDocs.Search for Java, ครอบคลุมทั้งตัวอักษรปกติ (letters, digits, underscores) และตัวอักษรผสม (เช่น hyphens) เมื่อเสร็จสิ้นคุณจะสามารถปรับดัชนีให้ตรงกับความต้องการของสถานการณ์ OCR หรือการค้นหาภาพของคุณ ไม่ว่าจะเป็นการทำดัชนีหมายเลขคดีทางกฎหมาย, ที่เก็บซอร์สโค้ด, หรือ PDF หลายภาษา

คำตอบอย่างรวดเร็ว

• What does “create custom search index” mean? หมายถึงการกำหนดค่าดัชนีให้จัดการสัญลักษณ์เฉพาะเป็นตัวอักษรหรืออักขระผสม แทนที่จะละเลยมัน.
• Which library is used? GroupDocs.Search for Java (v25.4 at the time of writing).
• Do I need a license? การทดลองใช้ฟรีทำงานได้สำหรับการพัฒนา; จำเป็นต้องมีใบอนุญาตแบบชำระเงินสำหรับการใช้งานจริง.
• Can I index both PDFs and images? ใช่—GroupDocs.Search รองรับ OCR บนรูปภาพและ PDF เมื่อกำหนดค่าอย่างถูกต้อง.
• Is Maven required? Maven เป็นวิธีที่แนะนำสำหรับการจัดการ dependencies, แต่คุณก็สามารถใช้ Gradle หรือ JARs แบบแมนนวลได้.

ดัชนีการค้นหาแบบกำหนดเองคืออะไร?

ดัชนีการค้นหาแบบกำหนดเองให้คุณกำหนดวิธีที่เครื่องมือค้นหาแปลความหมายของตัวอักษร โดยค่าเริ่มต้นหลายสัญลักษณ์จะถูกละเลย ซึ่งอาจทำให้พลาดการจับคู่สำหรับสิ่งเช่นหมายเลขคดี (2023-AB-456) หรือโค้ดสแนปเพต (my_variable) การปรับพจนานุกรมอัลฟาเบตทำให้คุณควบคุมได้เต็มที่ว่าตัวเครื่องมือจะถือว่าอะไรเป็นข้อความที่สามารถค้นหาได้

ทำไมต้องกำหนดค่าตัวอักษรปกติและตัวอักษรผสมสำหรับหมายเลขคดีทางกฎหมาย?

• Regular characters (letters, digits, underscores) จะถูกแยกเป็นโทเคน ทำให้การค้นหาแบบตรงกับตัวระบุเป็นไปได้อย่างแม่นยำ.
• Blended characters (hyphens, slashes) จะทำให้โทเคนที่เกี่ยวข้องอยู่ด้วยกัน ป้องกันการแยกส่วนที่ไม่ต้องการของหมายเลขคดี, รหัสสินค้า, หรือเส้นทางไฟล์.
• การกำหนดค่านี้ optimizes search index ประสิทธิภาพโดยลดการแยกโทเคนและเพิ่มความเกี่ยวข้องสำหรับเนื้อหา OCR

ข้อกำหนดเบื้องต้น

• JDK 8 หรือใหม่กว่า ต้องติดตั้งไว้.
• Maven สำหรับการจัดการ dependencies.
• เข้าถึง GroupDocs.Search for Java library (ดาวน์โหลดผ่าน Maven หรือเว็บไซต์ทางการ).

ไลบรารีและ dependencies ที่จำเป็น

เพิ่ม repository และ dependency ลงในไฟล์ pom.xml ของคุณ (ตามตัวอย่างด้านล่าง) ส่วน XML ต้องคงไว้โดยไม่เปลี่ยนแปลง

<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>

คุณสามารถดาวน์โหลด JAR ล่าสุดได้จาก GroupDocs.Search for Java releases.

การรับใบอนุญาต

• Free Trial – เหมาะสำหรับการทดลองในขั้นต้น.
• Temporary License – มีประโยชน์สำหรับวงจรการพัฒนาที่ยาวนาน.
• Production License – จำเป็นสำหรับการใช้งานเชิงพาณิชย์.

รับใบอนุญาตจากพอร์ทัลอย่างเป็นทางการ: GroupDocs.

การเริ่มต้นพื้นฐาน

โค้ดตัวอย่างด้านล่างแสดงวิธีการสร้างดัชนีเปล่าแบบขั้นต่ำ เก็บไว้ตามเดิม; เราจะต่อยอดจากนี้ในภายหลัง

import com.groupdocs.search.*;

public class GroupDocsSearchSetup {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

        Index index = new Index(indexFolder);
        
        System.out.println("GroupDocs.Search setup completed!");
    }
}

การตั้งค่า GroupDocs.Search สำหรับ Java

การติดตั้งผ่าน Maven

การกำหนดค่า Maven จากส่วน ข้อกำหนดเบื้องต้น คือทั้งหมดที่คุณต้องการ หลังจากเพิ่มแล้วให้รัน mvn clean install เพื่อดึงไบนารี

ความต้องการการตั้งค่าสภาพแวดล้อม

• ตรวจสอบให้แน่ใจว่า index folder และ document folder มีอยู่บนดิสก์.
• ใช้เส้นทางแบบ absolute หรือกำหนดค่า IDE ของคุณให้แก้ไขเส้นทาง relative อย่างถูกต้อง.

คู่มือการใช้งาน

ด้านล่างเราจะอธิบายสองฟีเจอร์ที่แตกต่างกัน: regular characters และ blended characters แต่ละฟีเจอร์ทำตามรูปแบบเดียวกัน—กำหนดเส้นทาง, สร้างดัชนี, ตั้งค่าพจนานุกรมอักขระ, และสุดท้ายทำการทำดัชนีเอกสารของคุณ

ฟีเจอร์ 1 – ตัวอักษรปกติ

ภาพรวม

ตัวอักษรปกติจะถูกจัดการเป็นโทเคนอิสระ เหมาะเมื่อคุณต้องการให้ตัวเลข, ตัวอักษร, และเครื่องหมายขีดล่างสามารถค้นหาได้อย่างตรงตามที่ปรากฏ

การดำเนินการขั้นตอนต่อขั้นตอน

1️⃣ Set Up Paths
กำหนดตำแหน่งที่ดัชนีจะถูกเก็บและตำแหน่งที่เอกสารต้นทางของคุณอยู่

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/RegularCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

2️⃣ Create and Configure Index
สร้างอินสแตนซ์ของดัชนีและล้างการกำหนดค่าอัลฟาเบตที่มีอยู่ก่อนหน้า

Index index = new Index(indexFolder);
index.getDictionaries().getAlphabet().clear();

3️⃣ Define Regular Characters
สร้างอาร์เรย์ของอักขระที่รวมตัวเลข, ตัวอักษรละติน, และเครื่องหมายขีดล่าง

StringBuilder sb = new StringBuilder();
for (char i = 0x0030; i <= 0x0039; i++) { // Digits
    sb.append(i);
}
for (char i = 0x0041; i <= 0x005A; i++) { // Latin capital letters
    sb.append(i);
}
sb.append(0x005F); // Underscore
for (char i = 0x0061; i <= 0x007A; i++) { // Latin small letters
    sb.append(i);
}

// Convert to character array and set as alphabet range
char[] characters = new char[sb.length()];
sb.getChars(0, sb.length(), characters, 0);
index.getDictionaries().getAlphabet().setRange(characters, CharacterType.Letter);

4️⃣ Index Documents
เพิ่มไฟล์ทั้งหมดจากโฟลเดอร์ต้นทางเข้าสู่ดัชนีที่กำหนดค่าใหม่

index.add(documentFolder);

ฟีเจอร์ 2 – ตัวอักษรผสม

ภาพรวม

ตัวอักษรผสม (เช่น hyphens) มักเชื่อมคำสองคำ การทำเครื่องหมายเป็น blended จะบอกเครื่องมือให้เก็บโทเคนรอบข้างไว้ด้วยกันระหว่างการทำดัชนี

การดำเนินการขั้นตอนต่อขั้นตอน

1️⃣ Set Up Paths

String indexFolder = "YOUR_OUTPUT_DIRECTORY/AdvancedUsage/Indexing/CharacterTypes/BlendedCharacters";
String documentFolder = "YOUR_DOCUMENT_DIRECTORY";

2️⃣ Create and Configure Index

Index index = new Index(indexFolder);

3️⃣ Define Blended Characters
ที่นี่เราบอกพจนานุกรมให้ถือว่า hyphen เป็นอักขระผสม

index.getDictionaries().getAlphabet().setRange(new char[] { '-' }, CharacterType.Blended);

4️⃣ Index Documents

index.add(documentFolder);

การประยุกต์ใช้งานจริง

กรณีการใช้งาน 1 – การจัดการเอกสารทางกฎหมาย

ไฟล์กฎหมายมักมีหมายเลขคดีเช่น 2023-AB-456 การกำหนดค่าเครื่องหมายขีดล่างและ hyphens ทำให้การค้นหาสามารถคืนผลลัพธ์ที่ตรงกันโดยไม่แยกตัวระบุ ช่วยให้คุณ search legal case numbers ได้อย่างมีประสิทธิภาพ

กรณีการใช้งาน 2 – ที่เก็บซอร์สโค้ด

นักพัฒนาต้องการค้นหาโค้ดสแนปเพตที่เครื่องหมายขีดล่าง (my_variable) และ hyphens (my-function) มีความหมาย การรับรู้ตัวอักษรแบบกำหนดเองทำให้เครื่องมือค้นหาเคารพสัญลักษณ์เหล่านี้

กรณีการใช้งาน 3 – ชุดข้อมูลหลายภาษา

เมื่อทำงานกับภาษาที่ใช้อัลฟาเบตเพิ่มเติม คุณสามารถ extend Unicode character set เพื่อรวมช่วงอักขระเหล่านั้นได้ รับประกันผลการค้นหาข้ามภาษาอย่างแม่นยำ

กรณีการใช้งาน 4 – ดัชนี PDF รูปภาพ

หากคุณทำดัชนี PDF สแกนหรือไฟล์รูปภาพ ผลลัพธ์ OCR มักมีอักขระผสม การกำหนดค่าตัวอักษรปกติและผสมอย่างเหมาะสม optimizes search index ประสิทธิภาพสำหรับเนื้อหาที่มาจากภาพ

ข้อควรพิจารณาด้านประสิทธิภาพ

• Resource Management – ตรวจสอบการใช้ heap; ดัชนีขนาดใหญ่จะได้ประโยชน์จากการ commit แบบ incremental.
• Garbage Collection – ปล่อยออบเจ็กต์ Index เมื่อเสร็จเพื่อให้ JVM คืนหน่วยความจำ.
• Index Optimization – เรียก index.optimize() อย่างสม่ำเสมอ (ถ้ามี) เพื่อบีบอัดดัชนีและเพิ่มความเร็วของการ query.

สรุป

คุณได้เรียนรู้ วิธีสร้างดัชนี ที่แยกแยะระหว่างตัวอักษรปกติและตัวอักษรผสมโดยใช้ GroupDocs.Search for Java การควบคุมในระดับละเอียดนี้ทำให้คุณสร้างโซลูชันการค้นหาที่รับรู้ OCR, มีประสิทธิภาพสูง และปรับให้เหมาะกับสภาพแวดล้อมทางกฎหมาย, การพัฒนา, หรือหลายภาษา

ขั้นตอนต่อไป

• ทดลองเพิ่มช่วง Unicode เพิ่มเติมสำหรับอักษรที่ไม่ใช่ละติน.
• ผสานการกำหนดค่าตัวอักษรกับฟีเจอร์อื่นของ GroupDocs.Search เช่น stemming หรือ synonyms.
• รวมดัชนีเข้ากับ REST API เพื่อเปิดเผยความสามารถการค้นหาให้กับแอปพลิเคชัน front‑end.

คำถามที่พบบ่อย

Q: What is the purpose of CharacterType.Letter?
A: มันบอกดัชนีให้ถือว่าอักขระที่ระบุเป็นตัวอักษรปกติ ดังนั้นจะถูกแยกเป็นโทเคนแยกกันระหว่างการทำดัชนี

Q: Can I mix regular and blended characters in the same index?
A: ได้—แค่เรียก setRange สำหรับแต่ละประเภท; พจนานุกรมจะจัดการการกำหนดค่าทั้งสองพร้อมกัน

Q: Do I need to rebuild the index after changing the alphabet?
A: แน่นอน. การเปลี่ยนแปลงพจนานุกรมอักขระมีผลต่อการแยกโทเคน ดังนั้นคุณต้องทำการทำดัชนีใหม่ของเอกสารเพื่อให้กฎใหม่มีผล

Q: Is there a limit to the number of custom characters I can define?
A: ไลบรารีรองรับช่วง Unicode ทั้งหมด; ประสิทธิภาพอาจลดลงหากคุณเพิ่มชุดอักขระที่ใหญ่มากเกินไป ดังนั้นควรจำกัดไว้ที่อักขระที่คุณต้องการใช้จริง

Q: How does this affect OCR accuracy?
A: การทำให้ชุดอักขระของดัชนีสอดคล้องกับผลลัพธ์ของ OCR ช่วยลด false negatives และปรับปรุงความเกี่ยวข้องของการค้นหาโดยรวม

Last Updated: 2026-03-17
Tested With: GroupDocs.Search 25.4 for Java
Author: GroupDocs