Eigenschappen van metagegevens van inhoud die worden gebruikt in Azure AI Search
Verschillende van de door de indexeerfunctie ondersteunde gegevensbronnen, waaronder Azure Blob Storage, Azure Data Lake Storage Gen2 en SharePoint, bevatten zelfstandige bestanden of ingesloten objecten van verschillende inhoudstypen. Veel van deze inhoudstypen hebben metagegevenseigenschappen die nuttig kunnen zijn om te indexeren. Net zoals u zoekvelden kunt maken voor standaardblobeigenschappen zoals metadata_storage_name, kunt u velden maken in een zoekindex voor metagegevenseigenschappen die specifiek zijn voor een documentindeling.
Ondersteunde documentindelingen
Azure AI Search biedt ondersteuning voor blobindexering en SharePoint-documentindexering voor de volgende documentindelingen:
- CSV (zie CSV-blobs indexeren)
- EML
- EPUB
- GZ
- HTML
- JSON (zie JSON-blobs indexeren)
- KML (XML voor geografische weergaven)
- Microsoft Office-indelingen: DOCX/DOC/DOCM, XLSX/XLS/XLSM, PPTX/PPT/PPTM, MSG (e-mailberichten van Outlook), XML (zowel 2003 als 2006 WORD XML)
- Documentindelingen openen: ODT, ODS, ODP
- Tekstbestanden zonder opmaak (zie ook Indexering van tekst zonder opmaak)
- RTF
- XML
- ZIP
Eigenschappen per documentindeling
De volgende tabel bevat een overzicht van de verwerking voor elke documentindeling en beschrijft de metagegevenseigenschappen die zijn geëxtraheerd door een blobindexeerfunctie en de SharePoint Online-indexeerfunctie.
| Documentindeling/inhoudstype | Geëxtraheerde metagegevens | Verwerkingsdetails |
|---|---|---|
| CSV (tekst/csv) | metadata_content_typemetadata_content_encoding |
Tekst extraheren OPMERKING: Als u meerdere documentvelden uit een CSV-blob wilt extraheren, raadpleegt u CSV-blobs indexeren voor meer informatie |
| DOC (application/msword) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Tekst extraheren, inclusief ingesloten documenten |
| DOCM (application/vnd.ms-word.document.macroenabled.12) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Tekst extraheren, inclusief ingesloten documenten |
| DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Tekst extraheren, inclusief ingesloten documenten |
| EML (bericht/rfc822) | metadata_content_typemetadata_message_frommetadata_message_tometadata_message_ccmetadata_creation_datemetadata_subject |
Tekst extraheren, inclusief bijlagen |
| EPUB (toepassing/epub+zip) | metadata_content_typemetadata_authormetadata_creation_datemetadata_titlemetadata_descriptionmetadata_languagemetadata_keywordsmetadata_identifiermetadata_publisher |
Tekst extraheren uit alle documenten in het archief |
| GZ (toepassing/gzip) | metadata_content_type |
Tekst extraheren uit alle documenten in het archief |
| HTML (tekst/html of toepassing/xhtml+xml) | metadata_content_encodingmetadata_content_typemetadata_languagemetadata_descriptionmetadata_keywordsmetadata_title |
HTML-opmaak stripen en tekst extraheren |
| JSON (applicatie/json) | metadata_content_typemetadata_content_encoding |
Tekst extraheren OPMERKING: Als u meerdere documentvelden uit een JSON-blob wilt extraheren, raadpleegt u JSON-blobs indexeren voor meer informatie |
| KML (application/vnd.google-earth.kml+xml) | metadata_content_typemetadata_content_encodingmetadata_language |
XML-opmaak stripen en tekst extraheren |
| 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 |
Extraheer tekst, inclusief tekst die uit bijlagen is geëxtraheerd. metadata_message_to_emailen metadata_message_cc_email metadata_message_bcc_email zijn tekenreeksverzamelingen, de rest van de velden zijn tekenreeksen. |
| ODP (application/vnd.oasis.opendocument.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_title |
Tekst extraheren, inclusief ingesloten documenten |
| ODS (application/vnd.oasis.opendocument.spreadsheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Tekst extraheren, inclusief ingesloten documenten |
| ODT (application/vnd.oasis.opendocument.text) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Tekst extraheren, inclusief ingesloten documenten |
| PDF (toepassing/pdf) | metadata_content_typemetadata_languagemetadata_authormetadata_titlemetadata_creation_date |
Tekst extraheren, inclusief ingesloten documenten (met uitzondering van afbeeldingen) |
| Tekst zonder opmaak (tekst/tekst zonder opmaak) | metadata_content_typemetadata_content_encodingmetadata_language |
Tekst extraheren |
| PPT (application/vnd.ms-powerpoint) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Tekst extraheren, inclusief ingesloten documenten |
| PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Tekst extraheren, inclusief ingesloten documenten |
| PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modifiedmetadata_slide_countmetadata_title |
Tekst extraheren, inclusief ingesloten documenten |
| RTF (toepassing/rtf) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
Tekst extraheren |
| WORD 2003 XML (application/vnd.ms-wordml) | metadata_content_typemetadata_authormetadata_creation_date |
XML-opmaak stripen en tekst extraheren |
| WORD XML (application/vnd.ms-word2006ml) | metadata_content_typemetadata_authormetadata_character_countmetadata_creation_datemetadata_last_modifiedmetadata_page_countmetadata_word_count |
XML-opmaak stripen en tekst extraheren |
| XLS (application/vnd.ms-excel) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Tekst extraheren, inclusief ingesloten documenten |
| XLSM (application/vnd.ms-excel.sheet.macroenabled.12) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Tekst extraheren, inclusief ingesloten documenten |
| XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet) | metadata_content_typemetadata_authormetadata_creation_datemetadata_last_modified |
Tekst extraheren, inclusief ingesloten documenten |
| XML (toepassing/xml) | metadata_content_typemetadata_content_encodingmetadata_language |
XML-opmaak stripen en tekst extraheren |
| ZIP (toepassing/zip) | metadata_content_type |
Tekst extraheren uit alle documenten in het archief |
Zie ook
Feedback
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie: https://aka.ms/ContentUserFeedback.
Feedback verzenden en weergeven voor