Egenskaper för innehållsmetadata som används i Azure AI Search

Artikel
09/01/2024

Flera av de 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 kancelarija 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
PDF
Oformaterade textfiler (se även Indexering av oformaterad text)
RTF
XML
ZIP

Egenskaper efter 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_type` `metadata_content_encoding`	Extrahera text Obs! Om du behöver extrahera flera dokumentfält från en CSV-blob kan du läsa Indexering av CSV-blobar för mer information
DOC (program/msword)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Extrahera text, inklusive inbäddade dokument
DOCM (application/vnd.ms-word.document.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Extrahera text, inklusive inbäddade dokument
DOCX (application/vnd.openxmlformats-officedocument.wordprocessingml.document)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Extrahera text, inklusive inbäddade dokument
EML (meddelande/rfc822)	`metadata_content_type` `metadata_message_from` `metadata_message_to` `metadata_message_cc` `metadata_creation_date` `metadata_subject`	Extrahera text, inklusive bifogade filer
EPUB (program/epub+zip)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_title` `metadata_description` `metadata_language` `metadata_keywords` `metadata_identifier` `metadata_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_encoding` `metadata_content_type` `metadata_language` `metadata_description` `metadata_keywords` `metadata_title`	Ta bort HTML-kod och extrahera text
JSON (application/json)	`metadata_content_type` `metadata_content_encoding`	Extrahera text Obs! Om du behöver extrahera flera dokumentfält från en JSON-blob kan du läsa Indexera JSON-blobar för mer information
KML (application/vnd.google-earth.kml+xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Ta bort XML-markering och extrahera text
MSG (application/vnd.ms-outlook)	`metadata_content_type` `metadata_message_from` `metadata_message_from_email` `metadata_message_to` `metadata_message_to_email` `metadata_message_cc` `metadata_message_cc_email` `metadata_message_bcc` `metadata_message_bcc_email` `metadata_creation_date` `metadata_last_modified` `metadata_subject`	Extrahera text, inklusive text som extraherats från bifogade filer. `metadata_message_to_email`, `metadata_message_cc_email` och `metadata_message_bcc_email` är strängsamlingar är resten av fälten strängar.
ODP (application/vnd.oasis.opendocument.presentation)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_title`	Extrahera text, inklusive inbäddade dokument
ODS (application/vnd.oasis.opendocument.spreadsheet)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Extrahera text, inklusive inbäddade dokument
ODT (application/vnd.oasis.opendocument.text)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Extrahera text, inklusive inbäddade dokument
PDF (program/pdf)	`metadata_content_type` `metadata_language` `metadata_author` `metadata_title` `metadata_creation_date`	Extrahera text, inklusive inbäddade dokument (exklusive bilder)
Oformaterad text (text/oformaterad)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Extrahera text
PPT (application/vnd.ms-powerpoint)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Extrahera text, inklusive inbäddade dokument
PPTM (application/vnd.ms-powerpoint.presentation.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Extrahera text, inklusive inbäddade dokument
PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	Extrahera text, inklusive inbäddade dokument
RTF (program/rtf)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Extrahera text
WORD 2003 XML (application/vnd.ms-wordml)	`metadata_content_type` `metadata_author` `metadata_creation_date`	Ta bort XML-markering och extrahera text
WORD XML (application/vnd.ms-word2006ml)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	Ta bort XML-markering och extrahera text
XLS (application/vnd.ms-excel)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Extrahera text, inklusive inbäddade dokument
XLSM (application/vnd.ms-excel.sheet.macroenabled.12)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Extrahera text, inklusive inbäddade dokument
XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	Extrahera text, inklusive inbäddade dokument
XML (program/xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	Ta bort XML-markering och extrahera text
ZIP (program/zip)	`metadata_content_type`	Extrahera text från alla dokument i arkivet

Dela via

Egenskaper för innehållsmetadata som används i Azure AI Search

Dokumentformat som stöds

Egenskaper efter dokumentformat

Se även

Feedback

Ytterligare resurser