如何使用 java full text search 与 GroupDocs.Search

在本教程中,您将了解如何使用 GroupDocs.Search for Java implement java full text search。我们将演示如何配置索引文件夹、将文档添加到索引,以及应用最佳实践技术来 optimize search performance,以处理数千个 PDF、DOCX、TXT 等格式。完成后,您将拥有一个可在生产环境中快速运行并平稳扩展的搜索组件。

快速答案

  • What is the first step? 将 GroupDocs.Search 添加到您的 Maven 项目中,或从官方发布页面下载 JAR。
  • How do I add documents to index? 在实例化 Index 对象后,调用 index.add(yourDocumentsFolder)。
  • Which folder should store the index? 使用专用文件夹,例如 output,并将其传递给 new Index(indexFolder)。
  • Can I improve search speed? 是的——定期合并索引段,在后台线程运行索引,并调优 JVM 堆大小。
  • Do I need a license? 试用或临时许可证可用于测试;生产部署需要正式许可证。

什么是文档索引?

文档索引是一种结构化的数据存储,包含从源文件中提取的可搜索标记。通过创建文档索引,您可以在所有已索引内容上进行快速的全文查询,而无需在运行时扫描每个文件。它存储词频、位置和元数据,使搜索引擎能够高效地对结果进行排序。

为什么在 Java 中使用 GroupDocs.Search?

GroupDocs.Search 为 Java 应用程序提供高性能、易于集成的全文搜索解决方案。它支持多种文档格式,并提供内置优化,即使在大型集合中也能保持低延迟。

  • High performance – 内置优化即使在数百万文件时也能保持低延迟。
  • Easy integration – 简单的 API 用于创建索引、添加文档和执行查询。
  • Scalable architecture – 可在本地或云端运行,并可通过同义词或排序功能进行定制。
  • Java full text search – 开箱即支持多种格式,包括 PDF、DOCX、TXT、HTML,以及超过 50 种其他类型。

前置条件

  • Java Development Kit (JDK) 8 或更高版本。
  • 如 IntelliJ IDEA 或 Eclipse 的 IDE。
  • 用于依赖管理的 Maven。
  • 对 Java 编程概念的基本了解。

设置 GroupDocs.Search for Java

Maven 安装

在您的 pom.xml 文件中添加以下依赖:

<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,直接从 GroupDocs.Search for Java releases 下载最新版本。

获取许可证

  1. Free trial – 在不作承诺的情况下探索所有功能。
  2. Temporary license – 将测试期限延长至试用期之后。
  3. Purchase – 获取用于生产的正式许可证。

基本初始化

Index 类是表示存储在磁盘上的可搜索索引的核心对象。它提供添加、更新和查询文档的方法。

import com.groupdocs.search.Index;

public class InitializeGroupDocs {
    public static main(String[] args) {
        // Create an index in the specified folder
        String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output";
        Index index = new Index(indexFolder);
        
        System.out.println("GroupDocs.Search initialized successfully.");
    }
}

如何将文档添加到索引

加载文档,配置索引文件夹,并调用 add 方法——全部在三个简洁步骤中完成。

步骤 1:配置索引文件夹和源文件夹

indexFolder 是可搜索索引的持久化位置,而 documentsFolder 指向您想要 add documents to index 的文件。

String indexFolder = "YOUR_DOCUMENT_DIRECTORY\\output\\AdvancedUsage\\Searching\\SynonymSearch";
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY"; // Replace with your actual document path

步骤 2:创建索引(配置索引文件夹)

使用 indexFolder 路径实例化 Index 对象会创建一个新的索引实例,将数据写入指定位置。

Index index = new Index(indexFolder);

步骤 3:添加文档进行索引

add 方法会扫描指定文件夹,并将每个受支持的文档添加到索引中,使其内容在调用返回后立即可搜索。
add 方法会扫描指定文件夹,并将每个受支持的文档添加到索引中。

index.add(documentsFolder);

故障排除提示

  • Missing dependencies – 仔细检查 pom.xml 中的 Maven 条目。
  • Invalid folder path – 确保 indexFolder 和 documentsFolder 均存在且 JVM 可读取。

如何配置索引文件夹

您可以将索引文件夹放置在高速 SSD、网络共享或任何 Java 进程可访问的位置。对于云部署,请映射持久卷(例如 Azure Files 或 Amazon EFS),并将其挂载点传递给 Index 构造函数。此方法可确保索引在应用重启后仍然存在,并随基础设施扩展。

处理大文档

当处理千兆字节级别的 PDF 或大规模 DOCX 集合时,请考虑以下事项:

  1. Batch processing – 将源文件夹拆分为更小的子文件夹,并对每个批次调用 index.add()。
  2. Background indexing – 在单独的线程中运行索引代码,使主应用保持响应。
  3. Heap tuning – 增加 JVM 的 -Xmx 设置,为大文件提供足够的内存。

优化搜索性能

要 optimize search performance 并 improve search latency,请遵循以下最佳实践:

update 方法在不从头重建索引的情况下应用待处理的更改。

  • Regularly merge index segments – 这可减少查询期间的磁盘读取次数。
  • Use index.update() – 在批量添加后使用 index.update(),而不是从头重新创建索引。
  • Monitor heap usage – 大型索引可能消耗大量内存;相应调整 JVM 参数。
  • Enable caching – 对于频繁运行的查询,如果应用模式允许,可启用缓存。

实际应用

  1. Enterprise document management – 在毫秒级别检索合同、政策或人力资源文件。
  2. Legal research – 以最小延迟定位案件文件和判例。
  3. Academic libraries – 让学者快速搜索数千篇研究论文。

常见问题及解决方案

问题解决方案
批量索引期间的内存不足错误将源文件夹拆分为更小的批次,并分别对每个批次进行索引。
搜索返回过时的结果在大规模更新后重新打开 Index 对象,或在可用时调用 index.update()。
许可证未被识别确认许可证文件路径正确,且许可证版本与库版本匹配。

常见问题

Q: What is the minimum Java version required?
A: 推荐使用 Java 8 或更高版本,以实现与 GroupDocs.Search 的完整兼容性。

Q: How can I handle very large document sets efficiently?
A: 使用批处理,在后台线程运行索引,并按照 “处理大文档” 部分的描述调优 JVM 内存设置。

Q: Can GroupDocs.Search be deployed in a cloud environment?
A: 可以,您可以将索引文件夹存储在任何云可访问的存储上(例如 Azure Files、Amazon EFS),只要所有实例都能读写即可。

Q: What benefits does synonym search provide?
A: 同义词搜索通过相关词扩展查询词,提高召回率而不牺牲精确度,适合用户友好的搜索体验。

Q: Where can I find more advanced documentation?
A: 请访问官方 API 参考文档 GroupDocs.Search API Reference。

资源

通过遵循这些步骤,您现在了解如何 create a document index、add documents to index、configure the index folder,以及使用 GroupDocs.Search for Java optimize search performance。祝编码愉快!


最后更新: 2026-10-22
测试环境: GroupDocs.Search 25.4 for Java
作者: GroupDocs

相关教程