Metadateneigenschaften von Inhalten, die in Azure KI Search verwendet werden
Einige der vom Indexer unterstützten 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
Eigenschaften nach Dokumentformat
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 Felder des Dokuments aus einem CSV-Blob extrahieren möchten, helfen Ihnen die ausführlichen Informationen unter Indizierung der CSV-Blobs weiter |
| 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-Markup und Extrahieren von Text |
| JSON (application/json) | metadata_content_typemetadata_content_encoding |
Extrahieren von Text HINWEIS: Wenn Sie mehrere Felder des Dokuments aus einem JSON-Blob extrahieren möchten, helfen Ihnen die ausführlichen Informationen unter Indizierung der JSON-Blobs weiter. |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Entfernen von XML-Markup 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 Zeichenfolgensammlungen, die übrigen 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-Markup 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-Markup 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-Markup und Extrahieren von Text |
| ZIP (application/zip) | metadata_content_type |
Extrahieren von Text aus allen Dokumenten im Archiv |
Siehe auch
Feedback
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter https://aka.ms/ContentUserFeedback.
Feedback senden und anzeigen für