Full text search java：使用 GroupDocs 的日誌檔抽取器

Full‑text search java 是任何必須在海量文件集合中快速定位資訊的系統的基石。在本教學中，您將學習如何設定 GroupDocs.Search、建立自訂的日誌檔抽取器、將文件加入索引，以及在處理數 GB 的日誌資料時優化搜尋效能。

您將學到的內容

設定並配置 GroupDocs.Search for Java。
實作一個 log file extractor，以您需要的方式解析純文字日誌。
Add documents to index 與 PDF、DOCX 及其他格式一起使用。
實際情境中，log file extractor 能帶來可衡量的價值。
實證技巧，optimise search performance 用於多 GB 的日誌檔案。

快速回答

What is a log file extractor? 一個自訂元件，告訴 GroupDocs.Search 如何讀取與索引純文字日誌檔案。
Why use GroupDocs.Search? 它支援 50 多種格式的索引、提供自動重新索引，且能在低於 2 GB 記憶體的情況下處理高達 10 GB 的索引。
Do I need a license? 是的——需要試用或正式授權才能啟用此函式庫。
Can I index other file types simultaneously? 絕對可以；在同一索引中混合 PDF、DOCX 以及自訂日誌檔。
How to improve performance? 使用增量索引、調整 IndexSettings，並啟用 autoReindex 旗標。

前置條件

在開始之前，請確保您具備以下項目：

必要的函式庫

在 pom.xml 中加入 GroupDocs.Search 的 Maven 依賴項。使用與您專案 Java 版本相符的最新版本。

<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>

或者，直接從 GroupDocs.Search for Java releases 下載最新版本。

環境設定

JDK 8 或更高版本。
熟悉 Java 程式設計及基本檔案處理概念。

取得授權

首先下載免費試用授權，以探索 GroupDocs.Search 功能。若用於正式環境，請購買正式授權或透過 GroupDocs’s website 申請臨時授權。

設定 GroupDocs.Search for Java

首先，初始化函式庫並套用您的授權檔案：

Maven setup – 確認先前步驟中的依賴已存在。
License initialisation – 在任何其他 API 呼叫之前載入授權檔案。

   License license = new License();
   license.setLicense("path/to/license");

環境就緒後，您即可開始建構自訂的 log file extractor。

什麼是 log file extractor？

log file extractor 是一段程式碼，告訴 GroupDocs.Search 如何讀取原始日誌檔（通常為 .log）並將其內容轉換為可搜尋的文字。自行提供抽取器即可完整掌控解析規則、過濾雜訊，並僅抽取對搜尋使用情境重要的資訊。

建立 log file extractor

GroupDocs.Search 允許您為任何檔案類型插入自訂文字抽取器。請依照以下步驟為日誌檔建立抽取器。

步驟 1：定義自訂抽取器

TextExtractorBase 為您繼承以建立自訂抽取器的抽象基底類別。它宣告抽取器支援的檔案副檔名，並包含核心抽取邏輯。

import com.groupdocs.search.extractors.TextExtractorBase;

public class LogExtractor extends TextExtractorBase {
    @Override
    public String[] getFileExtensions() {
        return new String[]{"log"};
    }

    @Override
    public String extractText(String documentContent) {
        // Custom logic for extracting text from log files.
        return documentContent; // Implement your custom extraction here.
    }
}

重點

getFileExtensions() 為 .log 檔案註冊抽取器。
extractText 是您可以去除時間戳記、過濾除錯行，或套用任何前處理以 search large log files 的地方。

步驟 2：使用抽取器設定索引參數

將您的抽取器加入 IndexSettings，並啟用 autoReindex，使新日誌能自動索引，無需手動介入。

IndexSettings 設定索引行為，例如記憶體限制與自訂抽取器。
autoReindex 會在來源檔案變更時自動更新索引。

import com.groupdocs.search.Index;
import com.groupdocs.search.IndexSettings;

public class CustomTextExtractorFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        IndexSettings settings = new IndexSettings();
        
        // Adding the custom text extractor to the settings.
        settings.getCustomExtractors().addItem(new LogExtractor());
        
        // Creating or loading an index with specified settings and enabling auto-reindexing.
        Index index = new Index(indexFolder, settings, true);
    }
}

步驟 3：將文件加入索引

現在索引已能辨識日誌檔，您可以像處理其他支援格式一樣 add documents to index。

import com.groupdocs.search.Index;

public class AddDocumentsToIndexFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
        
        // Loading or creating an index in the specified directory.
        Index index = new Index(indexFolder);
        
        // Adding documents from the folder to the index.
        index.add(documentsFolder);
    }
}

步驟 4：搜尋索引

執行純文字查詢。自訂抽取器確保每筆日誌條目皆可被搜尋。

import com.groupdocs.search.Index;
import com.groupdocs.search.results.SearchResult;

public class SearchDocumentsFeature {
    public static void main(String[] args) {
        String indexFolder = "YOUR_OUTPUT_DIRECTORY";
        
        // Loading the existing index.
        Index index = new Index(indexFolder);
        
        // Define search queries
        String query1 = "objection";
        String query2 = "log";
        
        // Performing searches and retrieving results.
        SearchResult result1 = index.search(query1);
        SearchResult result2 = index.search(query2);
    }
}

優化搜尋效能的技巧

Incremental indexing – 僅新增或變更的日誌檔，而非重新建構整個索引。
Memory management – autoReindex 旗標透過將中間資料寫入磁碟，降低 RAM 使用量。
Index settings – 根據伺服器容量調整 setMaxMemoryUsage；一般設定為 10 GB 索引使用 1 GB 記憶體。
Query optimisation – 在搜尋大量日誌檔案時，使用片語查詢、萬用字元或過濾條件以縮小結果。

實務應用

GroupDocs.Search 可應用於多種實務情境，例如：

Log management – 在數秒內於數 GB 的日誌資料中定位錯誤訊息、使用者操作或特定時間戳記。
Document retrieval systems – 維護一個包含 PDF、Word 文件、試算表與自訂日誌檔的單一可搜尋儲存庫。
Content analysis – 執行關鍵字頻率報告或偵測串流日誌資料中的異常。

效能考量

在大規模部署 GroupDocs.Search 時，請留意以下最佳實踐：

將索引儲存在高速 SSD 上，以減少讀寫延遲。
監控 JVM 堆積使用情況；若記憶體成為瓶頸，考慮將大型索引卸載至獨立程序。
啟用 autoReindex（如前所示），使索引保持最新，無需手動重建。

結論

至此，您已建立 log file extractor、學會如何 add documents to index，並發現可為大型日誌檔案 optimise search performance 的方法。此組合讓您的 Java 應用程式能在任何文件類型上提供快速、精確的全文搜尋。

欲深入了解，請參考官方的 GroupDocs documentation，或嘗試不同的抽取器實作，以符合您的獨特使用情境。

常見問答

What file types can I index using GroupDocs.Search?
您可以索引 PDF、Word 文件、試算表及其他多種格式，亦可透過文字抽取器索引自訂日誌檔。
How do I handle large document collections efficiently?
使用增量更新、分割索引，並調整 IndexSettings 以有效管理資源。
Can GroupDocs.Search be integrated with other systems?
可以，它提供乾淨的 Java API，可嵌入現有服務、微服務或 Web 應用程式。
What is a temporary license, and how do I acquire one?
臨時授權提供完整功能供評估使用，且無時間限制。可透過 GroupDocs’s website 申請。

常見問題

Q: How does a log file extractor differ from the default extractor?
A: 預設抽取器處理常見格式（PDF、DOCX 等）。自訂的 log file extractor 讓您精確定義純文字日誌條目的解析與索引方式。

Q: Can I index compressed log archives (e.g., .zip)?
A: 可以，透過在送入索引前加入解壓縮的前置處理步驟，以提取檔案。

Q: What’s the best way to keep the index up‑to‑date with continuously generated logs?
A: 啟用 autoReindex，並排程背景監控程式，在有新檔案出現時呼叫 index.add(newLogFile)。

Q: Is there a limit to the size of a single log file that can be indexed?
A: 實務上受限於可用記憶體。建議在索引前將極大的日誌切分為較小的區塊。

Q: Does GroupDocs.Search support fuzzy or wildcard searches?
A: 是的，搜尋 API 包含模糊匹配、萬用字元與相近查詢，以提升結果相關性。

最後更新： 2026-08-05
測試環境： GroupDocs.Search 25.4 for Java
作者： GroupDocs