精通 GroupDocs.Search 在 Java 中的使用 – 正则搜索 java 与索引管理

介绍

您是否在为海量文档的索引和搜索而苦恼？无论是处理法律文件、学术文章，还是企业报告，regex search java 都是一种强大的技术，能够快速定位文本中的模式。借助 GroupDocs.Search for Java，您可以创建索引、add documents to index，并仅用几行代码运行模糊、通配符或正则表达式查询。下面将为您展示从环境搭建到构建高级搜索查询的全部步骤。

快速答疑

  • GroupDocs.Search 的主要目的是什么？ 为各种文档格式创建可搜索的索引。
  • 创建索引后可以再添加文档吗？ 可以——使用 index.add() 方法加入新文件。
  • GroupDocs.Search 在 Java 中支持模糊搜索吗？ 当然；通过 SearchOptions 启用即可。
  • 如何在 Java 中运行通配符查询？ 使用 SearchQuery.createWildcardQuery() 创建。
  • 生产环境是否需要许可证？ 商业部署必须使用有效的 GroupDocs.Search 许可证。

在 GroupDocs.Search 中，“how to create index” 是什么意思？

创建索引意味着扫描一个或多个源文档，提取可搜索的文本，并将这些信息以结构化格式存储，以便高效查询。生成的索引能够在成千上万的文件中实现闪电般的快速查找。

为什么选择 GroupDocs.Search for Java？

  • 广泛的格式支持： PDF、Word、Excel、PowerPoint 等众多格式。
  • 内置语言特性： 开箱即用的模糊搜索、通配符以及 regex search java 能力。
  • 可扩展性能： 通过可配置的内存使用，处理大规模文档集合。

前置条件

  • GroupDocs.Search for Java 版本 25.4 或更高。
  • 能够处理 Maven 项目的 IDE，例如 IntelliJ IDEA 或 Eclipse。
  • 已在机器上安装 JDK。
  • 具备 Java 基础和搜索概念的基本了解。

设置 GroupDocs.Search for Java

您可以通过 Maven 添加库，也可以手动下载。

Maven 设置：

<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

  • 免费试用： 免费探索全部功能。
  • 临时许可证： 延长试用期限。
  • 正式许可证： 生产环境必需。

库可用后，在 Java 代码中进行初始化：

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.");
    }
}

实现指南

使用 GroupDocs.Search 创建索引

本节将完整演示创建索引并 add documents to index 的过程。

定义路径

String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\CreateAndIndexDocuments";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";

创建索引

Index index = new Index(indexFolder);
System.out.println("Index created at: " + indexFolder);

向索引添加文档

index.add(documentsFolder);
System.out.println("Documents added to the index.");

专业提示： 确保目录已存在且仅包含您希望可搜索的文件；无关文件会导致索引膨胀。

使用模糊搜索选项的简单词查询（fuzzy search java）

当用户输入错误或 OCR 产生错误时，模糊搜索非常有用。

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 通配符查询

通配符查询允许匹配诸如以特定前缀开头的任意单词等模式。

SearchQuery subquery = SearchQuery.createWildcardQuery(1);
System.out.println("Wildcard query created.");

Java 正则搜索

正则表达式提供对模式匹配的细粒度控制，适用于查找重复字符或复杂的标记结构。

SearchQuery subquery = SearchQuery.createRegexQuery("(.)\\1");
System.out.println("Regex query created to find repeated characters.");

将子查询组合成短语搜索查询

您可以混合词、通配符和正则子查询，构建高级短语搜索。

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.");

使用自定义选项配置并执行搜索

调整搜索选项可以控制返回的出现次数，对于大语料库尤为重要。

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 – 常见用例

  • 法律检索： 定位符合特定模式的条款，例如日期格式 DD/MM/YYYY。
  • 数据校验： 检测日志中格式错误的标识符或重复字符。
  • 内容审查： 使用正则查找辱骂语或禁止的模式。
  • 金融分析： 提取符合已知正则模板的交易代码。

性能考量

  • 优化索引： 定期重新索引并删除过期文件，以保持索引精简。
  • 资源使用： 监控 JVM 堆大小；大型索引可能需要更多内存或堆外存储。
  • 垃圾回收： 为长期运行的搜索服务调优 GC 设置，避免停顿。

常见问题

问：我可以在不重新构建的情况下更新已有索引吗？
答：可以——使用 index.add() 追加新文件，或使用 index.update() 刷新已更改的文档。

问：模糊搜索如何处理不同语言？
答：内置的模糊算法基于 Unicode 字符，默认支持大多数语言。

问：我可以索引的文档数量有限制吗？
答：实际上受限于可用磁盘空间和 JVM 内存；该库设计可处理数百万文档。

问：更改搜索选项后需要重启应用吗？
答：不需要——搜索选项在每次查询时应用，可即时调整。

问：在哪里可以找到更高级的查询示例？
答：官方 GroupDocs.Search 文档和 API 参考提供了大量复杂场景的示例。

最后更新： 2026-03-06
测试环境： GroupDocs.Search for Java 25.4
作者： GroupDocs