实现高压缩 .NET 与 GroupDocs：文本与编辑指南

在现代 .NET 解决方案中，实现高压缩 .net 在需要存储海量文本集合而不占用过多磁盘空间时至关重要。同时，保护敏感信息——如个人标识符或财务数字——需要可靠的编辑。本教程将一步步展示如何使用 GroupDocs.Search 配置高压缩文本存储，以及如何使用 GroupDocs.Redaction 安全地编辑机密数据。完成后，您将能够将索引文本压缩高达 90 %，并从 PDF、Word 文件以及许多其他格式中删除私人内容。

快速答案

  • 提供高压缩索引的库是什么？ GroupDocs.Search for .NET。
  • 哪个工具用于编辑敏感数据？ GroupDocs.Redaction for .NET。
  • 我可以自动将文档添加到索引吗？ 是——在文件夹扫描循环中使用 AddDocument API。
  • 压缩对搜索是无损的吗？ 是的，压缩后文本仍然可以完全搜索。
  • 生产环境需要许可证吗？ 商业使用需要永久的 GroupDocs 许可证。

什么是“实现高压缩 .NET”？

实现高压缩 .net 意味着配置 GroupDocs.Search 索引引擎，以压缩形式存储提取的文本内容。这显著降低磁盘上的索引大小，同时保持文本完全可搜索。压缩是无损的，查询相关性和摘要提取的效果与未压缩索引完全相同。

为什么使用 GroupDocs 进行压缩和编辑？

GroupDocs.Search 支持超过五十种输入格式，并可将索引文本压缩高达百分之九十，使大型文档集合仅占原始大小的一小部分。GroupDocs.Redaction 则通过永久擦除或遮蔽超过三十种文件类型中的敏感信息，帮助您在无需额外工具的情况下满足 GDPR、HIPAA 等严格合规要求。

前提条件

  • 开发环境： Visual Studio 2022 或更高版本，.NET 6+（或 .NET Framework 4.7.2）。
  • 库： GroupDocs.Search 和 GroupDocs.Redaction NuGet 包。
  • 权限： 对包含源文档的文件夹和索引输出位置具有读/写访问权限。
  • 基础知识： C# 语法、文件 I/O，以及熟悉 .NET 项目结构。

如何使用 GroupDocs 实现高压缩 .NET？

要使用 GroupDocs 实现高压缩 .NET，首先创建 TextStorageSettings 实例并将其 CompressionLevel 设置为 High。然后实例化 Index 对象，传入设置和存放索引的文件夹。索引准备好后，使用 AddDocument 添加文档，最后使用 Search 方法执行搜索，整个过程引擎会透明地处理压缩与解压。

步骤 1：安装所需的 NuGet 包

.NET CLI

dotnet add package GroupDocs.Search

dotnet add package GroupDocs.Redaction

包管理器

Install-Package GroupDocs.Search

Install-Package GroupDocs.Redaction

NuGet 包管理器 UI

  • 搜索 “GroupDocs.Search” 并点击 Install。

步骤 2：安装 GroupDocs.Redaction（用于数据编辑）

  • 打开 NuGet 包管理器。
  • 搜索 GroupDocs.Redaction 并安装最新的稳定版本。

步骤 3：获取并应用许可证

  • 免费试用： 在 GroupDocs 门户注册获取 30 天试用密钥。
  • 临时许可证： 为开发环境请求临时密钥。
  • 永久许可证： 购买生产许可证以去除评估限制。

步骤 4：两库的基本初始化

Search 和 Redaction 引擎共享相同的授权模型。请在应用启动时初始化它们：

// Initialize GroupDocs.Search
var searchLicense = new License();
searchLicense.SetLicense("path/to/search.lic");

// Initialize GroupDocs.Redaction
var redactionLicense = new License();
redactionLicense.SetLicense("path/to/redaction.lic");

using GroupDocs.Redaction;
// Initialize the Redactor with your document path
Redactor redactor = new Redactor("YOUR_DOCUMENT_PATH");

功能 1：高压缩文本存储设置

设置索引配置

TextStorageSettings 是告诉 GroupDocs.Search 如何保存提取文本的类。启用高压缩可在不影响搜索速度的情况下将索引大小降低至 10 倍。

var textStorage = new TextStorageSettings
{
    Compression = CompressionLevel.High,   // Enables maximum compression
    UseMemoryCache = false                // Reduces RAM usage for huge indexes
};

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

说明：

  • CompressionLevel.High 启用基于 ZSTD 的算法，高效压缩文本块。
  • UseMemoryCache = false 强制引擎从磁盘流式读取数据，适用于大规模部署。

创建和管理索引

Index 对象代表磁盘上的可搜索仓库。您需要指定索引文件的存放文件夹，并传入上述压缩设置。

var indexFolder = @"C:\Indexes\HighCompression";
var settings = new IndexSettings { TextStorage = textStorage };
var index = new Index(indexFolder, settings);

string indexFolder = "/path/to/your/index/directory";
Index index = new Index(indexFolder, settings);

说明：

  • indexFolder 决定压缩索引文件的存放位置。
  • settings 注入高压缩配置，确保每个添加的文档都受益。

功能 2：向索引添加文档

向索引添加文档

AddDocument 将单个文件添加到索引，提取其文本、根据配置压缩并存储。GroupDocs.Search 能够从目录树中摄取文件。以下循环遍历 documentsFolder，为每个文件调用 AddDocument 并记录进度。

var documentsFolder = @"C:\SourceDocs";
foreach (var filePath in Directory.GetFiles(documentsFolder, "*.*", SearchOption.AllDirectories))
{
    index.AddDocument(filePath);
}

string documentsFolder = "/path/to/your/documents";
index.Add(documentsFolder);

说明：

  • AddDocument 解析文件，提取可搜索文本，根据 TextStorageSettings 压缩并存入索引。
  • 此方法适用于 PDF、DOCX、TXT、HTML，以及超过 30 种其他格式。

功能 3：执行搜索查询

执行搜索

Search 对压缩索引运行查询，并返回包含相关度分数和高亮摘要的 DocumentResult 集合。索引填充后，您即可运行快速查询。Search 方法返回的 DocumentResult 包含文件路径和高亮片段。

var query = "confidential";
var results = index.Search(query);
foreach (var result in results)
{
    Console.WriteLine($"{result.FilePath} – Score: {result.Score}");
}

string query = "searchTerm";
SearchResult result = index.Search(query);

说明：

  • 搜索引擎直接扫描压缩文本，即使索引包含 数百万页，查询延迟仍保持低水平。
  • Score 表示相关性；数值越高匹配度越好。

如何使用 GroupDocs.Redaction 对机密数据进行编辑？

使用 GroupDocs.Redaction 编辑机密数据的第一步是为目标文件创建 Redactor 实例。定义一个或多个描述待删除文本的 SearchPattern（例如用于社会安全号码的正则表达式）。使用 Redact 应用每个模式，指定 RedactionType（如 BlackOut），并将结果保存为新文档，确保原始文件保持不变。

Redactor 是 GroupDocs.Redaction 中用于加载文档并执行编辑操作的主要类。
SearchPattern 定义用于识别待编辑文本的正则表达式。

var redactor = new Redactor(@"C:\Docs\Sensitive.pdf");
redactor.Apply(new RedactionOptions
{
    SearchPattern = @"\b\d{3}-\d{2}-\d{4}\b", // SSN pattern
    RedactionColor = Color.Black,
    RedactionType = RedactionType.BlackOut
});
redactor.Save(@"C:\Docs\Sensitive_redacted.pdf");

using GroupDocs.Search;
using GroupDocs.Search.Options;

// Creating an index settings instance
dIndexSettings settings = new IndexSettings();
settings.TextStorageSettings = new TextStorageSettings(Compression.High);

说明：

  • SearchPattern 使用正则表达式定位社会安全号码。
  • RedactionType.BlackOut 用实心黑色矩形替换匹配的文本，确保数据无法恢复。

实际应用

  1. 法律文档管理： 自动压缩海量案件文件并在归档前编辑客户标识。
  2. 医疗记录： 将多年患者笔记存入压缩索引，并在与研究合作方共享前删除 PHI（受保护的健康信息）。
  3. 财务报告： 通过编辑账号来保护季度报告，同时保留可搜索文本以供审计查询。

性能考虑因素

  • 压缩影响： 高压缩可将索引大小降低至 90 %，降低 SSD 磨损并加快备份。
  • 内存使用： 对于超大索引禁用内存缓存，以将进程占用保持在 500 MB 以下。
  • I/O 优化： 将文档批量添加为每组 100 条，以减少磁盘抖动。
  • 异步处理： 将 AddDocument 调用包装在 Task.Run 中，以保持桌面应用的 UI 线程响应。

常见陷阱与故障排除

  • 文件路径错误： 确认 documentsFolder 和 indexFolder 为绝对路径且应用具有读写权限。
  • 许可证错误： 确保 .lic 文件与可执行文件一起部署或嵌入为资源。
  • 搜索无结果： 检查 TextStorageSettings 的压缩级别是否与索引时使用的相匹配；不匹配会导致反序列化失败。

常见问答

问：我可以在初始构建后向索引添加文档吗？
答： 可以——只需对新文件调用 index.AddDocument，引擎会增量更新压缩索引。

问：编辑会改变原始文件吗？
答： 不会——原始文件保持不变，编辑后的版本另存为新文件，保留文档完整性。

问：GroupDocs.Redaction 支持哪些格式？
答： 超过 30 种格式，包括 PDF、DOCX、PPTX、XLSX、图像（PNG、JPEG）和纯文本。

问：高压缩会影响搜索相关性吗？
答： 不会。文本压缩是无损的，相关性分数与未压缩索引相同。

问：我能索引的文档大小有上限吗？
答： GroupDocs.Search 可通过流式处理支持多 GB 文件；但需确保压缩索引有足够磁盘空间（约为原始大小的 10 %）。

资源

最后更新： 2026-06-07
测试环境： GroupDocs.Search 23.12 和 GroupDocs.Redaction 23.12 for .NET
作者： GroupDocs

相关教程