Propriedades de metadados de conteúdo usadas na IA do Azure Search

Várias fontes de dados com suporte do indexador, incluindo o Armazenamento de Blobs do Azure, o Azure Data Lake Storage Gen2 e o SharePoint, contêm arquivos autônomos ou objetos inseridos de vários tipos de conteúdo. Muitos desses tipos de conteúdo têm propriedades de metadados cuja indexação pode ser útil. Da mesma forma que é possível criar campos de pesquisa para propriedades de blob padrão, como metadata_storage_name, também é possível criar campos em um índice de pesquisa para propriedades de metadados específicas a um formato de documento.

Formatos de documento com suporte

A IA do Azure Search dá suporte à indexação de blobs e à indexação de documentos do SharePoint para os seguintes formatos de documento:

• CSV (consulte Indexando BLOBs CSV)
• EML
• EPUB
• GZ
• HTML
• JSON (consulte Como indexar blobs JSON)
• KML (XML para representações geográficas)
• Formatos do Microsoft Office: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (emails do Outlook) e XML (WORD XML 2003 e 2006)
• Abrir formatos de documento: ODT, ODS, ODP
• PDF
• Arquivos de texto sem formatação (consulte também Como indexar texto sem formatação)
• RTF
• XML
• ZIP

Propriedades de formato de documento

A tabela a seguir resume o processamento para cada formato de documento e descreve as propriedades de metadados extraídas por um indexador de blobs e pelo indexador do SharePoint Online.

Formato de documento/tipo de conteúdo	Metadados extraídos	Detalhes do processamento
CSV (text/csv)	metadata_content_type metadata_content_encoding	Extrair texto OBSERVAÇÃO: Se você precisar extrair vários campos de documento de um blob CSV, consulte blobs CSV de índice
DOC (application/msword)	metadata_content_type metadata_author metadata_character_count metadata_creation_date metadata_last_modified metadata_page_count metadata_word_count	Extração de texto, incluindo documentos incorporados
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	Extração de texto, incluindo documentos incorporados
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	Extração de texto, incluindo documentos incorporados
EML (message/rfc822)	metadata_content_type metadata_message_from metadata_message_to metadata_message_cc metadata_creation_date metadata_subject	Extração do texto, incluindo anexos
EPUB (application/epub+zip)	metadata_content_type metadata_author metadata_creation_date metadata_title metadata_description metadata_language metadata_keywords metadata_identifier metadata_publisher	Extração do texto de todos os documentos no arquivo
GZ (application/gzip)	metadata_content_type	Extração do texto de todos os documentos no arquivo
HTML (text/html ou application/xhtml+xml)	metadata_content_encoding metadata_content_type metadata_language metadata_description metadata_keywords metadata_title	Remover elementos HTML e extrair texto
JSON (application/json)	metadata_content_type metadata_content_encoding	Extrair texto OBSERVAÇÃO: Se você precisar extrair vários campos de documento de um blob JSON, consulte blobs JSON de índice
KML (application/vnd.google-earth.kml+xml)	metadata_content_type metadata_content_encoding metadata_language	Remover elementos XML e extrair texto
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	Extração de texto, incluindo texto extraído de anexos. metadata_message_to_email, metadata_message_cc_email e metadata_message_bcc_email são coleções de cadeias de caracteres. O restante dos campos são cadeias de caracteres.
ODP (application/vnd.oasis.opendocument.presentation)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified metadata_title	Extração de texto, incluindo documentos incorporados
ODS (application/vnd.oasis.opendocument.spreadsheet)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified	Extração de texto, incluindo documentos incorporados
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	Extração de texto, incluindo documentos incorporados
PDF (application/PDF)	metadata_content_type metadata_language metadata_author metadata_title metadata_creation_date	Extração do texto, incluindo documentos incorporados (excluindo imagens)
Texto sem formatação (text/plain)	metadata_content_type metadata_content_encoding metadata_language	Extrair texto
PPT (application/vnd.ms-powerpoint)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified metadata_slide_count metadata_title	Extração de texto, incluindo documentos incorporados
PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified metadata_slide_count metadata_title	Extração de texto, incluindo documentos incorporados
PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified metadata_slide_count metadata_title	Extração de texto, incluindo documentos incorporados
RTF (aplicativo/rtf)	metadata_content_type metadata_author metadata_character_count metadata_creation_date metadata_last_modified metadata_page_count metadata_word_count	Extrair texto
WORD 2003 XML (application/vnd.ms-wordml)	metadata_content_type metadata_author metadata_creation_date	Remover elementos XML e extrair texto
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	Remover elementos XML e extrair texto
XLS (application/vnd.ms-excel)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified	Extração de texto, incluindo documentos incorporados
XLSM (application/vnd.ms-excel.sheet.macroenabled.12)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified	Extração de texto, incluindo documentos incorporados
XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet)	metadata_content_type metadata_author metadata_creation_date metadata_last_modified	Extração de texto, incluindo documentos incorporados
XML (application/xml)	metadata_content_type metadata_content_encoding metadata_language	Remover elementos XML e extrair texto
ZIP (application/zip)	metadata_content_type	Extração do texto de todos os documentos no arquivo

Conteúdo relacionado

• Indexadores na IA do Azure Search
• Enriquecimento de IA na IA do Azure Search
• Pesquisar o conteúdo do Armazenamento de Blobs do Azure
• Dados de índice do SharePoint