Egenskaper för innehållsmetadata som används i Azure AI Search
Flera datakällor som stöds av indexeraren, inklusive Azure Blob Storage, Azure Data Lake Storage Gen2 och SharePoint, innehåller fristående filer eller inbäddade objekt av olika innehållstyper. Många av dessa innehållstyper har metadataegenskaper som kan vara användbara för indexering. Precis som du kan skapa sökfält för standardblobegenskaper som metadata_storage_name, kan du skapa fält i ett sökindex för metadataegenskaper som är specifika för ett dokumentformat.
Dokumentformat som stöds
Azure AI Search stöder blobindexering och SharePoint-dokumentindexering för följande dokumentformat:
- CSV (se Indexering av CSV-blobar)
- EML
- EPUB
- GZ
- HTML
- JSON (se Indexering av JSON-blobar)
- KML (XML för geografiska representationer)
- Microsoft Office-format: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (Outlook-e-post), XML (både 2003 och 2006 WORD XML)
- Öppna dokumentformat: ODT, ODS, ODP
- Oformaterade textfiler (se även Indexering av oformaterad text)
- RTF
- XML
- ZIP
Egenskaper för dokumentformat
I följande tabell sammanfattas bearbetningen för varje dokumentformat och metadataegenskaperna som extraheras av en blobindexerare och SharePoint Online-indexeraren.
| Dokumentformat/innehållstyp | Extraherade metadata | Bearbetningsinformation |
|---|---|---|
| CSV (text/csv) | metadata_content_typemetadata_content_encoding |
Extrahera text Obs! Om du behöver extrahera flera dokumentfält från en CSV-blob läser du Index-CSV-blobar |
| DOC (program/msword) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahera text, inklusive inbäddade dokument |
| DOCM (application/vnd.ms-word.document.macroenabled.12) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahera text, inklusive inbäddade dokument |
| DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahera text, inklusive inbäddade dokument |
| EML (meddelande/rfc822) | metadata_content_typemetadata_message_frommetadata_message_tometadata_message_ccmetadata_creation_datemetadata_subject |
Extrahera text, inklusive bifogade filer |
| EPUB (program/epub+zip) | metadata_content_typemetadata_authormetadata_creation_datemetadata_titlemetadata_descriptionmetadata_languagemetadata_keywordsmetadata_identifiermetadata_publisher |
Extrahera text från alla dokument i arkivet |
| GZ (program/gzip) | metadata_content_type |
Extrahera text från alla dokument i arkivet |
| HTML (text/html eller application/xhtml+xml) | metadata_content_encodingmetadata_content_typemetadata_languagemetadata_descriptionmetadata_keywordsmetadata_title |
Ta bort HTML-element och extrahera text |
| JSON (application/json) | metadata_content_typemetadata_content_encoding |
Extrahera text Obs! Om du behöver extrahera flera dokumentfält från en JSON-blob läser du Index-JSON-blobar |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Ta bort XML-element och extrahera 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 |
Extrahera text, inklusive text som extraherats från bifogade filer. metadata_message_to_email, metadata_message_cc_emailoch metadata_message_bcc_email är strängsamlingar. Resten av fälten är strängar. |
| ODP (application/vnd.oasis.opendocument.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_title |
Extrahera text, inklusive inbäddade dokument |
| ODS (application/vnd.oasis.opendocument.spreadsheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahera text, inklusive inbäddade dokument |
| ODT (application/vnd.oasis.opendocument.text) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahera text, inklusive inbäddade dokument |
| PDF (program/pdf) | metadata_content_typemetadata_languagemetadata_authormetadata_titlemetadata_creation_date |
Extrahera text, inklusive inbäddade dokument (exklusive bilder) |
| Oformaterad text (text/oformaterad) | metadata_content_typemetadata_content_encodingmetadata_language |
Extrahera text |
| PPT (application/vnd.ms-powerpoint) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahera text, inklusive inbäddade dokument |
| PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahera text, inklusive inbäddade dokument |
| PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extrahera text, inklusive inbäddade dokument |
| RTF (program/rtf) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extrahera text |
| WORD 2003 XML (application/vnd.ms-wordml) | metadata_content_typemetadata_authormetadata_creation_date |
Ta bort XML-element och extrahera text |
| WORD XML (application/vnd.ms-word2006ml) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Ta bort XML-element och extrahera text |
| XLS (application/vnd.ms-excel) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahera text, inklusive inbäddade dokument |
| XLSM (application/vnd.ms-excel.sheet.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahera text, inklusive inbäddade dokument |
| XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extrahera text, inklusive inbäddade dokument |
| XML (program/xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Ta bort XML-element och extrahera text |
| ZIP (program/zip) | metadata_content_type |
Extrahera text från alla dokument i arkivet |