Propriétés des métadonnées de contenu utilisées dans Recherche Azure AI
Parmi les sources de données prises en charge par un indexeur, notamment Stockage Blob Azure, Azure Data Lake Storage Gen2 et SharePoint, certaines contiennent des fichiers autonomes ou des objets incorporés de différents types de contenu. La plupart de ces types de contenu ont des propriétés de métadonnées qu’il peut être utile d’indexer. De la même façon que vous pouvez créer des champs de recherche pour les propriétés d’objet blob standard comme metadata_storage_name, vous pouvez créer des champs dans un index de recherche pour les propriétés de métadonnées propres à un format de document.
Formats de document pris en charge
Recherche Azure AI prend en charge l’indexation de blobs et l’indexation de documents SharePoint pour les formats de document suivants :
- CSV (consultez Indexation d’objets blob CSV)
- EML
- EPUB
- GZ
- HTML
- JSON (consultez l’indexation d’objets JSON blobs)
- KML (XML pour les représentations géographiques)
- Formats Microsoft Office : DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (e-mails Outlook), XML (XML WORD 2003 et 2006)
- Formats de document ouverts : ODT, ODS, ODP
- Fichiers de texte brut (voir aussi l’indexation de texte brut)
- RTF
- XML
- ZIP
Propriétés par format de document
Le tableau suivant résume le traitement pour chaque format de document. On y trouve également une description des propriétés des métadonnées extraites par un indexeur d'objets blob et par l'indexeur de SharePoint Online.
| Format de document/type de contenu | Métadonnées extraites | Détails du traitement |
|---|---|---|
| CSV (texte/CSV) | metadata_content_typemetadata_content_encoding |
Extraction du texte REMARQUE : Si vous devez extraire plusieurs champs de document à partir d’un objet blob CSV, consultez Indexation d’objets blob CSV pour plus de détails |
| DOC (application/msword) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extraction du texte, y compris les documents incorporés |
| DOCM (application/vnd.ms-word.document.macroenabled.12) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extraction du texte, y compris les documents incorporés |
| DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extraction du texte, y compris les documents incorporés |
| EML (message/rfc822) | metadata_content_typemetadata_message_frommetadata_message_tometadata_message_ccmetadata_creation_datemetadata_subject |
Extraction du texte, y compris les pièces jointes |
| EPUB (application/epub+zip) | metadata_content_typemetadata_authormetadata_creation_datemetadata_titlemetadata_descriptionmetadata_languagemetadata_keywordsmetadata_identifiermetadata_publisher |
Extraction du texte de tous les documents figurant dans l’archive |
| GZ (application/gzip) | metadata_content_type |
Extraction du texte de tous les documents figurant dans l’archive |
| HTML (texte/HTML ou application/XHTML+XML) | metadata_content_encodingmetadata_content_typemetadata_languagemetadata_descriptionmetadata_keywordsmetadata_title |
Suppression du balisage HTML et extraction du texte |
| JSON (application/json) | metadata_content_typemetadata_content_encoding |
Extraction du texte REMARQUE : si vous devez extraire plusieurs champs de document à partir d’un objet blob JSON, consultez Indexation d’objets blob JSON pour plus de détails |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Suppression du balisage XML et extraction du texte |
| 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 |
Extrayez le texte, y compris celui des pièces jointes. metadata_message_to_email, metadata_message_cc_email et metadata_message_bcc_email sont des collections de chaînes ; les autres champs sont des chaînes. |
| ODP (application/vnd.oasis.opendocument.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_title |
Extraction du texte, y compris les documents incorporés |
| ODS (application/vnd.oasis.opendocument.spreadsheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extraction du texte, y compris les documents incorporés |
| ODT (application/vnd.oasis.opendocument.text) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extraction du texte, y compris les documents incorporés |
| PDF (application/pdf) | metadata_content_typemetadata_languagemetadata_authormetadata_titlemetadata_creation_date |
Extraction du texte, y compris les documents incorporés (à l’exclusion des images) |
| Texte brut (text/plain) | metadata_content_typemetadata_content_encodingmetadata_language |
Extraction du texte |
| PPT (application/vnd.ms-powerpoint) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extraction du texte, y compris les documents incorporés |
| PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extraction du texte, y compris les documents incorporés |
| PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Extraction du texte, y compris les documents incorporés |
| RTF (application/rtf) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Extraction du texte |
| WORD 2003 XML (application/vnd.ms-wordml) | metadata_content_typemetadata_authormetadata_creation_date |
Suppression du balisage XML et extraction du texte |
| WORD XML (application/vnd.ms-word2006ml) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Suppression du balisage XML et extraction du texte |
| XLS (application/vnd.ms-excel) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extraction du texte, y compris les documents incorporés |
| XLSM (application/vnd.ms-excel.sheet.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extraction du texte, y compris les documents incorporés |
| XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Extraction du texte, y compris les documents incorporés |
| XML (application/xml) | metadata_content_typemetadata_content_encodingmetadata_language |
Suppression du balisage XML et extraction du texte |
| ZIP (application/zip) | metadata_content_type |
Extraction du texte de tous les documents figurant dans l’archive |