搜索中的停用词：使用 GroupDocs.Search Java 将文档添加到索引
如果您需要 将文档添加到索引，并确保没有重要的词——尤其是常见词——被忽略，那么您来对地方了。在本指南中，我们将展示如何使用 GroupDocs.Search for Java 禁用搜索中的停用词，使每个标记（即使是 “on”、 “by” 或 “the”）都可被搜索，从而让结果更加准确。
快速答疑
- “将文档添加到索引” 是什么意思？ 这意味着将源文件加载到可搜索的索引中，以便能够高效地进行查询。
- 为什么要禁用停用词？ 当这些常用词在您的业务领域中具有实际意义时（例如 “on”、 “the”），将它们加入搜索可以提升检索的完整性。
- 需要哪个库版本？ GroupDocs.Search for Java 25.4 或更高版本。
- 需要许可证吗？ 评估阶段可使用免费试用版；生产环境必须使用正式许可证。
- 可以在 Maven 项目中使用吗？ 可以——只需在下面添加仓库和依赖即可。
什么是搜索中的停用词，为什么可能需要禁用它们？
停用词是搜索引擎为加快查询速度而自动过滤的高频词。虽然这对通用网页搜索有帮助，但在法律合同、电子商务目录或技术手册等专业领域，这些词（如 “on”、 “by”、 “as”）往往承载真实含义。禁用停用词后，您可以把每个词都视为重要，确保不遗漏任何相关文档。
在 GroupDocs.Search 中添加文档到索引是如何工作的？
当您添加文档时，库会读取每个文件，对其内容进行分词，并将分词结果存储在优化的数据结构（即索引）中。完成索引后，搜索引擎能够在毫秒级返回匹配的文档，即使是大型集合也不例外。
前置条件
- 必需库：GroupDocs.Search for Java 25.4（或更新版本）。
- 开发环境：IntelliJ IDEA、Eclipse 或您喜欢的任何 Java IDE。
- 基础知识：熟悉 Java 语法以及索引的概念。
设置 GroupDocs.Search for Java
Maven 安装
如果您使用 Maven，请在 pom.xml 中加入以下内容：
<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>
直接下载
或者，从 GroupDocs.Search for Java releases 下载最新版本。
许可证获取步骤
- 免费试用 – 立即开始测试。
- 临时许可证 – 获取限时密钥以获得完整功能。
- 购买 – 为生产使用获取永久许可证。
基本初始化与设置
创建 IndexSettings 实例以控制索引行为：
import com.groupdocs.search.IndexSettings;
// Create an instance of IndexSettings
IndexSettings settings = new IndexSettings();
如何在搜索中禁用停用词（Java）
下面这行代码可关闭内置的停用词过滤器：
// Disable the use of stop words
tsettings.setUseStopWords(false);
参数：setUseStopWords 接受布尔值。
目的：确保每个词——包括常见停用词——都被索引并可搜索。
如何将文档添加到索引
定义输出目录
import com.groupdocs.search.Index;
// Define the path to the output directory for indexing
String indexFolder = "YOUR_OUTPUT_DIRECTORY\\IndexingWithStopWords";
// Create an index at the specified location with the configured settings
Index index = new Index(indexFolder, settings);
指定文档目录
// Define the path to your document directory
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
// Add all documents in the specified folder to the index
index.add(documentsFolder);
现在，YOUR_DOCUMENT_DIRECTORY 中的每个文件都会 被添加到索引，并可供查询使用。
执行搜索查询
import com.groupdocs.search.results.SearchResult;
// Define your search query
tString query = "on";
// Perform the search operation using the index and the specified query
SearchResult result = index.search(query);
由于已禁用停用词，搜索词 "on" 将被纳入检索，返回原本会被忽略的匹配结果。
实际应用场景
- 企业文档搜索 – 确保关键术语不被过滤。
- 电子商务平台 – 通过索引产品描述中的每个词提升商品发现率。
- 法律检索工具 – 捕获每个法律术语，即使它们通常被视为停用词。
性能考虑
- 优化技巧：定期更新并清理索引，以保持搜索速度。
- 资源使用：监控 JVM 堆大小；大型索引可能需要调优垃圾回收设置。
- Java 内存管理：使用高效的数据结构，并在处理超大语料库时考虑离堆存储。
常见问题与解决方案
| 症状 | 可能原因 | 解决办法 |
|---|---|---|
| 常用词无搜索结果 | setUseStopWords(true)（默认） | 按上述方式调用 setUseStopWords(false)。 |
| 索引时出现内存溢出 | 一次性索引过多大文件 | 将文件分批索引；增大 -Xmx JVM 参数。 |
| 搜索返回旧数据 | 添加新文件后未刷新索引 | 调用 index.update() 或重新添加已更改的文档。 |
常见问答
Q: 什么是停用词？
A: 停用词是许多搜索引擎为加快查询速度而忽略的常用词（如 “the”、 “is”、 “on”）。禁用它们后，您可以把每个标记都视为可搜索的。
Q: 为什么要在搜索索引中禁用停用词？
A: 在需要精确短语匹配的场景（如法律或技术文档）中，每个词都有意义，必须包含停用词。
Q: GroupDocs.Search 如何处理大规模数据集？
A: 该库使用优化的数据结构和增量索引技术，即使面对数百万文档也能保持低内存占用。
Q: 我可以将 GroupDocs.Search 集成到其他 Java 应用吗？
A: 可以，API 设计为可轻松嵌入任何基于 Java 的系统，无论是 Web 服务还是桌面应用。
Q: 如果搜索结果不准确该怎么办？
A: 确认索引已包含所有必需文档（add documents to index），确保已根据需要禁用停用词过滤，并在重大更改后考虑重新构建索引。
其他资源
- 文档：GroupDocs Search Documentation
- API 参考：GroupDocs API Reference
- 下载：获取最新的 GroupDocs.Search for Java
- GitHub 仓库：Explore on GitHub
- 免费支持：加入 GroupDocs 论坛
- 临时许可证：申请临时许可证
通过本指南，您已经掌握了如何 将文档添加到索引 并 在搜索中禁用停用词，从而在 Java 应用中提供更精准的检索结果。
最后更新： 2026-02-19
测试环境： GroupDocs.Search for Java 25.4
作者： GroupDocs
