如何使用 GroupDocs.Search for Java 创建索引

如果您需要为成千上万的法律、学术或商业文件如何创建索引,GroupDocs.Search for Java 提供了一个即用型引擎,能够提取文本、构建紧凑的可搜索结构,并让您在毫秒级别运行正则、模糊或通配符查询。在本教程中,您将看到如何设置 SDK、创建索引、向其添加文档以及执行强大的基于模式的搜索。

快速答案

  • GroupDocs.Search 的主要目的是什么? 创建可搜索的索引,支持多种文档格式。
  • 创建索引后可以添加文档吗? 是的——使用 index.add() 方法添加新文件。
  • GroupDocs.Search 在 Java 中支持模糊搜索吗? 当然;通过 SearchOptions 启用。
  • 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? 商业部署需要有效的 GroupDocs.Search 许可证。

SearchOptions 配置搜索行为,例如模糊匹配。
SearchQuery.createWildcardQuery() 构建通配符查询对象。

在 GroupDocs.Search 上下文中,“如何创建索引” 是什么?

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。此过程在磁盘上构建紧凑的数据结构,使得即使原始文档体积大或格式不同,也能在数千个文件中实现闪电般的快速查找。

为什么使用 GroupDocs.Search for Java?

GroupDocs.Search 提供了经验证的企业级解决方案,支持超过 30 种输入和输出格式——包括 PDF、DOCX、XLSX、PPTX、HTML 和纯文本文件——同时为包含数百万页的索引提供亚秒级查询响应时间。其内置的模糊、通配符和regex search java 功能让您无需编写自定义解析器即可处理拼写错误、模式匹配和复杂搜索场景。

前置条件

  • GroupDocs.Search for Java 版本 25.4 或更高。
  • 支持 Maven 的 IDE,例如 IntelliJ IDEA 或 Eclipse。
  • 开发机器上已安装 JDK 11 或更高版本。
  • 具备 Java 语法和搜索概念的基础知识。

设置 GroupDocs.Search for Java

您可以通过 Maven 添加库或手动下载。

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: 探索所有功能,无需费用。
  • 临时许可证: 为评估项目延长试用期。
  • 完整许可证: 生产部署必需,解锁无限制索引。

库可用后,在 Java 代码中初始化:

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.");
    }
}

如何使用 GroupDocs.Search 创建索引

加载源文件,指向 SDK 所在文件夹,让它在一次调用中构建可搜索结构。此方法可在标准服务器上为典型的 10 GB 文档集合在一分钟内完成索引创建。

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.");

Pro tip: 确保目录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。

带模糊搜索选项的简单词查询(fuzzy search java)

模糊搜索在用户输入错误或 OCR 引入错误时非常有用。SDK 会自动根据编辑距离扩展查询,包含相似词。

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.");

通配符查询 Java

通配符查询允许您匹配以特定前缀开头的任意单词,使用 * 或 ? 占位符。

SearchQuery.createWildcardQuery() 创建通配符查询对象。

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

正则表达式搜索 Java

正则表达式为模式匹配提供细粒度控制,适合查找重复字符或复杂的标记结构。

SearchQuery.createRegexQuery() 创建用于模式匹配的正则查询对象。

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,构建遵循顺序和接近度的高级短语搜索。

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

调整搜索选项可控制返回的出现次数,这对大型语料库非常有用。您还可以调优评分、突出显示匹配项,并限制每个文档的结果数量。

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 – 常见用例

  • 法律研究: 定位符合特定模式的条款,例如日期格式 DD/MM/YYYY。
  • 数据验证: 检测日志中格式错误的标识符或重复字符。
  • 内容审查: 使用正则查找粗俗语言或禁止模式。
  • 金融分析: 提取符合已知正则模板的交易代码。

性能考虑

  • 优化索引: 定期重新索引并删除过时文件,以保持索引精简;维护良好的 100 万页索引占用磁盘空间不足 2 GB。
  • 资源使用: 监控 JVM 堆大小;大型索引可能需要高达 8 GB 堆或离堆存储以获得最佳吞吐量。
  • 垃圾回收: 为长期运行的搜索服务调优 GC 设置(例如 G1GC),以避免暂停时间峰值。

常见问题

Q: 能否在不从头重建的情况下更新现有索引?
A: 可以——使用 index.add() 追加新文件,或使用 index.update() 刷新已更改的文档。

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

Q: 索引的文档数量是否有限制?
A: 实际上受可用磁盘空间和 JVM 内存限制;库设计用于处理数百万文档。

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

Q: 在哪里可以找到更高级的查询示例?
A: 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: 2026-10-12
测试环境: GroupDocs.Search for Java 25.4
作者: GroupDocs

相关教程