Metadateneigenschaften von Inhalten, die in Azure KI Search verwendet werden
Mehrere Indexer-unterstützte Datenquellen, einschließlich Azure Blob Storage, Azure Data Lake Storage Gen2 und SharePoint, enthalten eigenständige Dateien oder eingebettete Objekte verschiedener Inhaltstypen. Viele dieser Inhaltstypen verfügen über Metadateneigenschaften, die für die Indizierung nützlich sein können. So wie Sie Suchfelder für standardmäßige Blobeigenschaften wie metadata_storage_name erstellen können, lassen sich in einem Suchindex auch Felder für Metadateneigenschaften erstellen, die für ein Dokumentformat spezifisch sind.
Unterstützte Dokumentformate
Azure KI Search unterstützt die Blobindizierung und die SharePoint-Dokumentindizierung für die folgenden Dokumentformate:
- CSV (siehe Indizierung von CSV-Blobs)
- EML
- EPUB
- GZ
- HTML
- JSON (Siehe Indizierung von JSON-Blobs)
- KML (XML für geografische Darstellungen)
- Microsoft Office-Formate: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (Outlook-E-Mails), XML (WORD XML 2003 und 2006)
- Öffnen von Dokumentformaten: ODT, ODS, ODP
- Textdateien (Siehe auch Indizierung von Nur-Text)
- RTF
- XML
- ZIP
Dokumentformateigenschaften
In der folgenden Tabelle ist die Verarbeitung für jedes Dokumentformat zusammengefasst, und es werden die Metadateneigenschaften beschrieben, die von einem Blobindexer und dem SharePoint Online-Indexer extrahiert werden.
| Dokumentformat/Inhaltstyp | Extrahierte Metadaten | Verarbeitungsdetails |
|---|---|---|
| CSV (text/csv) | metadata_content_typemetadata_content_encoding |
Extrahieren von Text HINWEIS: Wenn Sie mehrere Dokumentfelder aus einem CSV-Blob extrahieren müssen, lesen Sie Indexieren von CSV-Blobs |
| DOC (application/msword) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahieren von Text, z. B. eingebettete Dokumente |
| DOCM (application/vnd.ms-word.document.macroenabled.12) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahieren von Text, z. B. eingebettete Dokumente |
| DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahieren von Text, z. B. eingebettete Dokumente |
| EML (message/rfc822) | metadata_content_typemetadata_message_frommetadata_message_tometadata_message_ccmetadata_creation_datemetadata_subject |
Extrahieren von Text, einschließlich Anlagen |
| EPUB (application/epub+zip) | metadata_content_typemetadata_authormetadata_creation_datemetadata_titlemetadata_descriptionmetadata_languagemetadata_keywordsmetadata_identifiermetadata_publisher |
Extrahieren von Text aus allen Dokumenten im Archiv |
| GZ (application/gzip) | metadata_content_type |
Extrahieren von Text aus allen Dokumenten im Archiv |
| HTML (text/html oder application/xhtml+xml) | metadata_content_encodingmetadata_content_typemetadata_languagemetadata_descriptionmetadata_keywordsmetadata_title |
Entfernen von HTML-Elementen und Extrahieren von Text |
| JSON (application/json) | metadata_content_typemetadata_content_encoding |
Extrahieren von Text HINWEIS: Wenn Sie mehrere Dokumentfelder aus einem JSON-Blob extrahieren müssen, lesen Sie Indexieren von JSON-Blobs |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Entfernen von XML-Elementen und Extrahieren von Text |
| MSG (application/vnd.ms-outlook) | metadata_content_typemetadata_message_frommetadata_message_from_emailmetadata_message_tometadata_message_to_emailmetadata_message_ccmetadata_message_cc_emailmetadata_message_bccmetadata_message_bcc_emailmetadata_creation_datemetadata_last_modifiedmetadata_subject |
Extrahieren von Text (einschließlich aus Anlagen extrahierter Text). metadata_message_to_email, metadata_message_cc_email und metadata_message_bcc_email sind Zeichenfolgesammlungen. Die restlichen Felder sind Zeichenfolgen. |
| ODP (application/vnd.oasis.opendocument.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_title |
Extrahieren von Text, z. B. eingebettete Dokumente |
| ODS (application/vnd.oasis.opendocument.spreadsheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahieren von Text, z. B. eingebettete Dokumente |
| ODT (application/vnd.oasis.opendocument.text) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahieren von Text, z. B. eingebettete Dokumente |
| PDF (application/pdf) | metadata_content_typemetadata_languagemetadata_authormetadata_titlemetadata_creation_date |
Extrahieren von Text, z. B. eingebettete Dokumente (mit Ausnahme von Bildern) |
| Nur-Text (text/plain) | metadata_content_typemetadata_content_encodingmetadata_language |
Extrahieren von Text |
| PPT (application/vnd.ms-powerpoint) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahieren von Text, z. B. eingebettete Dokumente |
| PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahieren von Text, z. B. eingebettete Dokumente |
| PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahieren von Text, z. B. eingebettete Dokumente |
| RTF (application/rtf) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahieren von Text |
| WORD 2003 XML (application/vnd.ms-wordml) | metadata_content_typemetadata_authormetadata_creation_date |
Entfernen von XML-Elementen und Extrahieren von Text |
| WORD XML (application/vnd.ms-word2006ml) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Entfernen von XML-Elementen und Extrahieren von Text |
| XLS (application/vnd.ms-excel) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahieren von Text, z. B. eingebettete Dokumente |
| XLSM (application/vnd.ms-excel.sheet.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahieren von Text, z. B. eingebettete Dokumente |
| XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahieren von Text, z. B. eingebettete Dokumente |
| XML (application/xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Entfernen von XML-Elementen und Extrahieren von Text |
| ZIP (application/zip) | metadata_content_type |
Extrahieren von Text aus allen Dokumenten im Archiv |