如何使用 GroupDocs.Search for Java 建立索引
如果您需要為成千上萬的法律、學術或商業檔案 建立索引,GroupDocs.Search for Java 提供即用的引擎,可提取文字、建立緊湊的可搜尋結構,並讓您在毫秒內執行 regex、模糊或通配符查詢。在本教學中,您將看到如何設定 SDK、建立索引、將文件加入索引,以及執行強大的模式搜尋。
快速答案
- GroupDocs.Search 的主要目的為何? 建立各種文件格式的可搜尋索引。
- 建立索引後,我可以加入文件嗎? 可以 — 使用
index.add()方法加入新檔案。 - GroupDocs.Search 在 Java 中支援模糊搜尋嗎? 當然;可透過
SearchOptions啟用。 - 如何在 Java 中執行通配符查詢? 使用
SearchQuery.createWildcardQuery()建立。 - 生產環境是否需要授權? 商業部署需具有效的 GroupDocs.Search 授權。
SearchOptions 配置搜尋行為,例如模糊匹配。SearchQuery.createWildcardQuery() 建立通配符查詢物件。
在 GroupDocs.Search 中,「建立索引」是什麼意思?
建立索引表示掃描一個或多個來源文件,提取可搜尋的文字,並將該資訊以結構化格式儲存,以便高效查詢。此過程會在磁碟上建立緊湊的資料結構,使得即使原始文件龐大或以不同格式儲存,也能在成千上萬的檔案中進行閃電般的快速查找。
為何使用 GroupDocs.Search for Java?
GroupDocs.Search 提供成熟的企業級解決方案,支援 超過 30 種輸入與輸出格式——包括 PDF、DOCX、XLSX、PPTX、HTML 以及純文字檔——同時為包含數百萬頁面的索引提供次秒級的查詢回應時間。其內建的模糊、通配符以及 regex search java 功能讓您在不編寫自訂解析器的情況下處理拼寫錯誤、模式匹配與複雜的搜尋情境。
前置條件
- GroupDocs.Search for Java 版本 25.4 或更新。
- 具備 Maven 支援的 IDE,例如 IntelliJ IDEA 或 Eclipse。
- 開發機器上已安裝 JDK 11 或更新版本。
- 具備 Java 語法與搜尋概念的基礎知識。
設定 GroupDocs.Search for Java
您可以透過 Maven 加入此函式庫,或手動下載。
Maven 設定
<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>
直接下載
或者,從 GroupDocs.Search for Java releases 下載最新版本。
取得授權
- 免費試用: 無償探索所有功能。
- 臨時授權: 延長試用以供評估專案使用。
- 完整授權: 生產部署所需,並解鎖無限制索引功能。
取得函式庫後,在 Java 程式碼中初始化它:
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.");
}
}
如何使用 GroupDocs.Search 建立索引
載入來源檔案,將 SDK 指向資料夾,讓它一次呼叫即可建立可搜尋的結構。此方法可在標準伺服器上於一分鐘內為典型的 10 GB 文件集合建立索引。
定義路徑
String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
建立索引
Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);
將文件加入索引
index.add(documentsFolder);
System.out.println("Documents added to the index.");
專業提示: 確保目錄已存在且僅包含您希望可搜尋的檔案;不相關的檔案會使索引膨脹。
使用模糊搜尋選項的簡易字詞查詢(fuzzy search java)
當使用者輸入錯字或 OCR 產生錯誤時,模糊搜尋能提供協助。SDK 會自動根據編輯距離擴展查詢,包含相似詞彙。
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.");
Java 通配符查詢
通配符查詢允許您使用 * 或 ? 佔位符匹配模式,例如任何以特定前綴開頭的字詞。
SearchQuery.createWildcardQuery() 建立通配符查詢物件。
SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");
Java 正則表達式搜尋
正則表達式提供對模式匹配的精細控制,適合尋找重複字元或複雜的標記結構。
SearchQuery.createRegexQuery() 建立用於模式匹配的正則查詢物件。
SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");
將子查詢組合成片語搜尋查詢
您可以混合字詞、通配符與正則子查詢,構建考慮順序與距離的複雜片語搜尋。
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.");
使用自訂選項設定與執行搜尋
調整搜尋選項可控制返回的出現次數,對大型語料庫很有用。您亦可調整排序、突顯匹配項目,並限制每個文件的結果數量。
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 search java – 常見使用情境
- 法律研究: 找出符合特定模式的條款,例如
DD/MM/YYYY格式的日期。 - 資料驗證: 偵測日誌中格式錯誤的識別碼或重複字元。
- 內容審核: 使用正則表達式找出粗俗語或禁止的模式。
- 金融分析: 抽取符合已知正則範本的交易代碼。
效能考量
- 優化索引: 定期重新索引並移除過時檔案,以保持索引精簡;維護良好的 100 萬頁索引佔用磁碟空間少於 2 GB。
- 資源使用: 監控 JVM 堆積大小;大型索引可能需要高達 8 GB 的堆積或離堆儲存以獲得最佳吞吐量。
- 垃圾回收: 為長時間執行的搜尋服務調整 GC 設定(例如 G1GC),以避免暫停時間激增。
常見問答
Q: 是否可以在不重新建立的情況下更新現有索引?
A: 可以 — 使用 index.add() 追加新檔案,或使用 index.update() 重新整理變更的文件。
Q: 模糊搜尋如何處理不同語言?
A: 內建的模糊演算法基於 Unicode 字元運作,因而開箱即支援大多數語言。
Q: 索引的文件數量有上限嗎?
A: 實際上受限於可用磁碟空間與 JVM 記憶體;此函式庫設計可處理數百萬文件。
Q: 更改搜尋選項後需要重新啟動應用程式嗎?
A: 不需要 — 搜尋選項於每次查詢時套用,您可即時調整。
Q: 哪裡可以找到更進階的查詢範例?
A: 官方的 GroupDocs.Search 文件與 API 參考提供大量複雜情境的範例。
最後更新: 2026-10-12
測試環境: GroupDocs.Search for Java 25.4
作者: GroupDocs