Свойства метаданных содержимого, используемые в поиске ИИ Azure
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
- обычные текстовые файлы (см. также индексирование обычного текста);
- RTF
- XML
- ZIP
Свойства формата документа
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_typemetadata_content_encoding |
Извлечение текста ПРИМЕЧАНИЕ. Если требуется извлечь несколько полей документа из БОЛЬШОго двоичного объекта CSV, см. раздел "Индекс CSV-BLOB-объектов" |
| DOC (application/msword) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Извлечение текста, включая внедренные документы |
| DOCM (application/vnd.ms-word.document.macroenabled.12) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Извлечение текста, включая внедренные документы |
| DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Извлечение текста, включая внедренные документы |
| EML (message/rfc822) | metadata_content_typemetadata_message_frommetadata_message_tometadata_message_ccmetadata_creation_datemetadata_subject |
Извлечение текста, включая вложения |
| EPUB (application/epub+zip) | metadata_content_typemetadata_authormetadata_creation_datemetadata_titlemetadata_descriptionmetadata_languagemetadata_keywordsmetadata_identifiermetadata_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_encodingmetadata_content_typemetadata_languagemetadata_descriptionmetadata_keywordsmetadata_title |
Полоса HTML-элементов и извлечение текста |
| JSON (application/json) | metadata_content_typemetadata_content_encoding |
Извлечение текста ПРИМЕЧАНИЕ. Если необходимо извлечь несколько полей документа из БОЛЬШОго двоичного объекта JSON, см. раздел "Индекс JSON BLOB-объектов" |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Полоса XML-элементов и извлечение текста |
| 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 |
Извлечение текста, включая текст из вложений. metadata_message_to_email, metadata_message_cc_emailи metadata_message_bcc_email являются коллекциями строк. Остальные поля — строки. |
| ODP (application/vnd.oasis.opendocument.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_title |
Извлечение текста, включая внедренные документы |
| ODS (application/vnd.oasis.opendocument.spreadsheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Извлечение текста, включая внедренные документы |
| ODT (application/vnd.oasis.opendocument.text) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Извлечение текста, включая внедренные документы |
| PDF (application/pdf) | metadata_content_typemetadata_languagemetadata_authormetadata_titlemetadata_creation_date |
Извлечение текста, включая внедренные документы (кроме изображений) |
| Обычный текст (text/plain) | metadata_content_typemetadata_content_encodingmetadata_language |
Извлечение текста |
| PPT (application/vnd.ms-powerpoint) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Извлечение текста, включая внедренные документы |
| PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Извлечение текста, включая внедренные документы |
| PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Извлечение текста, включая внедренные документы |
| RTF (приложение или RTF) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Извлечение текста |
| WORD 2003 XML (application/vnd.ms-wordml) | metadata_content_typemetadata_authormetadata_creation_date |
Полоса XML-элементов и извлечение текста |
| WORD XML (application/vnd.ms-word2006ml) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Полоса XML-элементов и извлечение текста |
| XLS (application/vnd.ms-excel) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Извлечение текста, включая внедренные документы |
| XLSM (application/vnd.ms-excel.sheet.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Извлечение текста, включая внедренные документы |
| XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Извлечение текста, включая внедренные документы |
| XML (application/xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Полоса XML-элементов и извлечение текста |
| ZIP (application/zip) | metadata_content_type |
Извлечение текста из всех документов в архиве |