Свойства метаданных содержимого, используемые в поиске ИИ Azure

Статья
01/11/2024

Несколько поддерживаемых индексатором источников данных, включая Хранилище BLOB-объектов Azure, Azure Data Lake Storage 2-го поколения и SharePoint, содержат автономные файлы или внедренные объекты различных типов контента. Многие из этих типов контента имеют свойства метаданных, которые могут быть полезны для индексирования. Так же, как можно создать поля поиска для стандартных свойств metadata_storage_nameBLOB-объектов, можно создать поля в индексе поиска для свойств метаданных, относящихся к формату документа.

Поддерживаемые форматы документов

Поиск ИИ Azure поддерживает индексирование БОЛЬШИХ двоичных объектов и индексирование документов SharePoint для следующих форматов документов:

CSV (см. раздел индексирование больших двоичных объектов CSV)
EML
EPUB
GZ
HTML
JSON (см. индексирование BLOB-объектов JSON);
KML (XML для географических представлений)
Форматы Microsoft Office: DOCX/DOC/DOCM, XLSX/XLSM, PPTX/PPT/PPTM, MSG (outlook emails), XML (как 2003, так и 2006 WORD XML)
Форматы открытых документов: ODT, ODS, ODP
PDF
обычные текстовые файлы (см. также индексирование обычного текста);
RTF
XML
ZIP

Свойства форматов документов

В следующей таблице приведены сведения об обработке для каждого формата документа и описываются свойства метаданных, извлеченные индексатором BLOB-объектов и индексатором SharePoint Online.

Формат документа или тип содержимого	Извлекаемые метаданные	Сведения об обработке
CSV (text/csv)	`metadata_content_type` `metadata_content_encoding`	Извлечение текста Примечание. Инструкции по извлечению нескольких полей документа из большого двоичного объекта CSV см. в статье Индексация больших двоичных объектов CSV с помощью режима синтаксического анализа delimitedText и индексаторов BLOB-объектов в Когнитивном поиске Azure.
DOC (application/msword)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Извлечение текста, включая внедренные документы
DOCM (application/vnd.ms-word.document.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Извлечение текста, включая внедренные документы
DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Извлечение текста, включая внедренные документы
EML (message/rfc822)	`metadata_content_type` `metadata_message_from` `metadata_message_to` `metadata_message_cc` `metadata_creation_date` `metadata_subject`	Извлечение текста, включая вложения
EPUB (application/epub+zip)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_title` `metadata_description` `metadata_language` `metadata_keywords` `metadata_identifier` `metadata_publisher`	Извлечение текста из всех документов в архиве
GZ (application/gzip)	`metadata_content_type`	Извлечение текста из всех документов в архиве
HTML (text/html или application/xhtml+xml)	`metadata_content_encoding` `metadata_content_type` `metadata_language` `metadata_description` `metadata_keywords` `metadata_title`	Удаление разметки HTML и извлечение текста
JSON (application/json)	`metadata_content_type` `metadata_content_encoding`	Извлечение текста Примечание. Инструкции по извлечению нескольких полей документа из большого двоичного объекта JSON см. в статье Индексирование BLOB-объектов JSON с помощью индексатора BLOB-объектов службы поиска Azure.
KML (application/vnd.google-earth.kml+xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Удаление разметки XML и извлечение текста
MSG (application/vnd.ms-outlook)	`metadata_content_type` `metadata_message_from` `metadata_message_from_email` `metadata_message_to` `metadata_message_to_email` `metadata_message_cc` `metadata_message_cc_email` `metadata_message_bcc` `metadata_message_bcc_email` `metadata_creation_date` `metadata_last_modified` `metadata_subject`	Извлечение текста, включая текст из вложений. `metadata_message_to_email`, `metadata_message_cc_email` и `metadata_message_bcc_email` — это коллекции строк, а остальные поля являются строками.
ODP (application/vnd.oasis.opendocument.presentation)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_title`	Извлечение текста, включая внедренные документы
ODS (application/vnd.oasis.opendocument.spreadsheet)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Извлечение текста, включая внедренные документы
ODT (application/vnd.oasis.opendocument.text)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Извлечение текста, включая внедренные документы
PDF (application/pdf)	`metadata_content_type` `metadata_language` `metadata_author` `metadata_title` `metadata_creation_date`	Извлечение текста, включая внедренные документы (кроме изображений)
Обычный текст (text/plain)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Извлечение текста
PPT (application/vnd.ms-powerpoint)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Извлечение текста, включая внедренные документы
PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Извлечение текста, включая внедренные документы
PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Извлечение текста, включая внедренные документы
RTF (приложение или RTF)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Извлечение текста
WORD 2003 XML (application/vnd.ms-wordml)	`metadata_content_type` `metadata_author` `metadata_creation_date`	Удаление разметки XML и извлечение текста
WORD XML (application/vnd.ms-word2006ml)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Удаление разметки XML и извлечение текста
XLS (application/vnd.ms-excel)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Извлечение текста, включая внедренные документы
XLSM (application/vnd.ms-excel.sheet.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Извлечение текста, включая внедренные документы
XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Извлечение текста, включая внедренные документы
XML (application/xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Удаление разметки XML и извлечение текста
ZIP (application/zip)	`metadata_content_type`	Извлечение текста из всех документов в архиве

Поделиться через

Свойства метаданных содержимого, используемые в поиске ИИ Azure

Поддерживаемые форматы документов

Свойства форматов документов

См. также

Дополнительные ресурсы