GroupDocs

But keep bold formatting.

Now ensure we didn’t translate any URLs, code placeholders, variable names, function names. We kept them.

Check for any markdown links: we kept them.

Check for any shortcodes: none.

Check for any code fences: placeholders only.

Now produce final content.# Karakter Tanıma Kullanarak GroupDocs.Search for Java ile Index Oluşturma

Modern belge‑ağırlıklı uygulamalarda, index oluşturma yönteminin metninizin inceliklerini—örneğin tireler, alt çizgiler veya dile özgü semboller—göz önünde bulundurması hızlı ve doğru geri getirme için çok önemlidir. Bu öğreticide GroupDocs.Search for Java içinde karakter tanımını yapılandırmayı adım adım göstereceğiz; hem normal karakterleri (harfler, rakamlar, alt çizgiler) hem de birleşik karakterleri (ör. tire) kapsayacak. Sonunda, OCR veya görüntü‑arama senaryonuzun tam ihtiyaçlarına uygun bir index oluşturabileceksiniz; ister yasal dava numaralarını, kaynak‑kod depolarını ya da çok dilli PDF’leri indeksliyor olun.

Hızlı Yanıtlar

“create custom search index” ne anlama geliyor? Bir index’i belirli sembolleri harf ya da birleşik karakter olarak ele alacak şekilde yapılandırmak, yok saymak yerine.
Hangi kütüphane kullanılıyor? GroupDocs.Search for Java (yazım zamanı v25.4).
Bir lisansa ihtiyacım var mı? Geliştirme için ücretsiz deneme yeterlidir; üretim için ücretli lisans gereklidir.
PDF’leri ve görüntüleri aynı anda indeksleyebilir miyim? Evet—GroupDocs.Search, doğru yapılandırıldığında görüntüler ve PDF’lerde OCR’ı destekler.
Maven gerekli mi? Maven, bağımlılıkları yönetmenin önerilen yoludur, ancak Gradle ya da manuel JAR’lar da kullanılabilir.

Özel Arama Index’i Nedir?

Özel bir arama index’i, arama motorunun karakterleri nasıl yorumlayacağını tanımlamanıza olanak verir. Varsayılan olarak, birçok sembol yok sayılır; bu da dava numaraları (2023-AB-456) veya kod parçacıkları (my_variable) gibi şeylerde eşleşmelerin kaçırılmasına yol açabilir. Alfabe sözlüğünü ayarlamak, motorun arama yapılabilir metin olarak neyi kabul edeceği üzerinde tam kontrol sağlar.

Neden Yasal Dava Numaraları İçin Normal ve Birleşik Karakterleri Yapılandırmalıyız?

Normal karakterler (harfler, rakamlar, alt çizgiler) ayrı ayrı tokenleştirilir, tanımlayıcılar için tam eşleşmeli aramaları mümkün kılar.
Birleşik karakterler (tireler, bölücü çizgiler) ilgili tokenleri bir arada tutar, dava numaraları, ürün kodları veya dosya yollarının istenmeyen bölünmesini önler.
Bu yapılandırma, token parçalanmasını azaltarak ve OCR‑oluşmuş içerik için alaka düzeyini artırarak arama index’i performansını optimize eder.

Ön Koşullar

JDK 8 veya daha yeni bir sürüm yüklü olmalı.
Maven, bağımlılık yönetimi için.
GroupDocs.Search for Java kütüphanesine erişim (Maven üzerinden ya da resmi siteden indirilebilir).

Gerekli Kütüphaneler ve Bağımlılıklar

pom.xml dosyanıza (aşağıda gösterildiği gibi) depo ve bağımlılık girişlerini ekleyin. XML bloğu değiştirilmemelidir.

<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>

En son JAR dosyalarını ayrıca GroupDocs.Search for Java releases adresinden indirebilirsiniz.

Lisans Edinme

Ücretsiz Deneme – erken denemeler için mükemmeldir.
Geçici Lisans – daha uzun geliştirme döngüleri için faydalıdır.
Üretim Lisansı – ticari dağıtım için gereklidir.

Resmi portal üzerinden lisans alın: GroupDocs.

Temel Başlatma

Aşağıdaki kod parçacığı, boş bir index oluşturmak için gereken en temel kodu gösterir. Değiştirmeden bırakın; daha sonra üzerine ekleyeceğiz.

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!");
    }
}

GroupDocs.Search for Java Kurulumu

Maven ile Kurulum

Ön Koşullar bölümündeki Maven yapılandırması ihtiyacınız olan tek şeydir. Ekledikten sonra ikili dosyaları indirmek için mvn clean install komutunu çalıştırın.

Ortam Kurulum Gereksinimleri

index klasörünün ve belge klasörünün diskte mevcut olduğundan emin olun.
Mutlak yollar kullanın veya IDE’nizin göreli yolları doğru çözümleyecek şekilde yapılandırın.

Uygulama Kılavuzu

Aşağıda iki ayrı özelliği ele alıyoruz: normal karakterler ve birleşik karakterler. Her özellik aynı modeli izler—yolları tanımlayın, index’i oluşturun, karakter sözlüğünü ayarlayın ve son olarak belgelerinizi indeksleyin.

Özellik 1 – Normal Karakterler

Genel Bakış

Normal karakterler bağımsız tokenler olarak ele alınır. Bu, rakamların, harflerin ve alt çizgilerin tam olarak göründükleri şekilde aranabilir olmasını istediğinizde idealdir.

Adım‑Adım Uygulama

1️⃣ Yolları Ayarla
Index’in nerede saklanacağını ve kaynak belgelerinizin nerede olduğunu tanımlayın.

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

2️⃣ Index Oluştur ve Yapılandır
Index’i örnekleyin ve önceden var olan alfabe yapılandırmasını temizleyin.

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

3️⃣ Normal Karakterleri Tanımla
Rakamları, Latin harflerini ve alt çizgiyi içeren bir karakter dizisi oluşturun.

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 Belgeleri İndeksle
Kaynak klasörden tüm dosyaları yeni yapılandırılmış index’e ekleyin.

index.add(documentFolder);

Özellik 2 – Birleşik Karakterler

Genel Bakış

Birleşik karakterler (tire gibi) genellikle iki kelimeyi bağlar. Onları birleşik olarak işaretlemek, motorun indeksleme sırasında çevredeki tokenleri bir arada tutmasını sağlar.

Adım‑Adım Uygulama

1️⃣ Yolları Ayarla

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

2️⃣ Index Oluştur ve Yapılandır

Index index = new Index(indexFolder);

3️⃣ Birleşik Karakterleri Tanımla
Burada sözlüğe tire karakterinin birleşik karakter olarak ele alınması gerektiğini söylüyoruz.

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

4️⃣ Belgeleri İndeksle

index.add(documentFolder);

Pratik Uygulamalar

Kullanım Durumu 1 – Hukuki Belge Yönetimi

Hukuki dosyalar genellikle 2023-AB-456 gibi dava numaraları içerir. Alt çizgileri ve tireleri yapılandırarak, aramalar tanımlayıcıyı bölmeden tam eşleşmeler döndürür ve hukuki dava numaralarını verimli bir şekilde aramanıza yardımcı olur.

Kullanım Durumu 2 – Kaynak‑Kod Depoları

Geliştiriciler, alt çizgilerin (my_variable) ve tirelerin (my-function) anlamlı olduğu kod parçacıklarını aramalıdır. Özel karakter tanıma, arama motorunun bu sembollere saygı göstermesini sağlar.

Kullanım Durumu 3 – Çok Dilli Veri Setleri

Ek alfabeler kullanan dillerle çalışırken, bu aralıkları içerecek şekilde Unicode karakter setini genişletebilir ve doğru çok‑dilli arama sonuçları garantileyebilirsiniz.

Kullanım Durumu 4 – PDF Görüntülerini İndeksleme

Taralı PDF’leri veya görüntü dosyalarını indeksliyorsanız, OCR çıktısı genellikle karışık karakterler içerir. Normal ve birleşik karakterleri doğru şekilde yapılandırmak, görüntü‑tabanlı içerik için arama index’i performansını optimize eder.

Performans Düşünceleri

Kaynak Yönetimi – Yığın kullanımına dikkat edin; büyük index’ler artımlı commit’lerden fayda sağlar.
Garbage Collection – İşiniz bittiğinde Index nesnelerini serbest bırakın, böylece JVM belleği geri alabilir.
Index Optimizasyonu – Index’i sıkıştırmak ve sorgu hızını artırmak için periyodik olarak index.optimize() (varsa) çağırın.

Sonuç

Artık index oluşturma konusunda, GroupDocs.Search for Java kullanarak normal ve birleşik karakterleri ayırt edebileceğinizi biliyorsunuz. Bu ince ayar kontrol, OCR‑bilinçli, yüksek performanslı arama çözümlerini hukuki, geliştirme ya da çok dilli ortamlar için özelleştirmenizi sağlar.

Sonraki Adımlar

Latin dışı alfabeler için ek Unicode aralıkları denemek.
Karakter yapılandırmasını, kök bulma (stemming) veya eş anlamlılar gibi diğer GroupDocs.Search özellikleriyle birleştirmek.
Index’i bir REST API’ye entegre ederek arama yeteneklerini ön‑uç uygulamalarına sunmak.

Sıkça Sorulan Sorular

Q: CharacterType.Letter ne amaçla kullanılır?
A: Index’e sağlanan karakterleri normal harfler olarak ele almasını söyler, böylece indeksleme sırasında ayrı ayrı tokenleştirilir.

Q: Aynı index içinde normal ve birleşik karakterleri karıştırabilir miyim?
A: Evet—her tip için setRange metodunu çağırmanız yeterlidir; sözlük her iki yapılandırmayı aynı anda yönetir.

Q: Alfabe değiştirildikten sonra index’i yeniden oluşturmalı mıyım?
A: Kesinlikle. Karakter sözlüğü değişiklikleri tokenleştirmeyi etkiler, bu yüzden yeni kuralları uygulamak için belgeleri yeniden indekslemeniz gerekir.

Q: Tanımlayabileceğim özel karakter sayısında bir limit var mı?
A: Kütüphane tam Unicode aralığını destekler; çok büyük bir set eklenirse performans düşebilir, bu yüzden yalnızca gerçekten ihtiyaç duyduğunuz karakterlerle sınırlayın.

Q: Bu, OCR doğruluğunu nasıl etkiler?
A: Index’in karakter setini OCR motorunun çıktısıyla hizalayarak, yanlış negatifleri azaltır ve genel arama alaka düzeyini artırır.

Son Güncelleme: 2026-03-17
Test Edilen Versiyon: GroupDocs.Search 25.4 for Java
Yazar: GroupDocs