企业网站云Microsoft图形连接器

企业网站云Microsoft Graph 连接器允许组织为 Internet 上 公司拥有的网站或 公共网站的网页和内容编制索引。 配置连接器并索引网站内容后，最终用户可以在Microsoft搜索和智能 Microsoft 365 Copilot 副驾驶®中搜索该内容。

本文适用于 Microsoft 365 管理员或配置、运行和监视企业网站云Microsoft Graph 连接器的任何人。

重要

可以利用 本地企业网站Microsoft Graph 连接器 为本地或私有云上托管的网站编制索引。

功能

• 为云可访问网站的网页编制索引。
• 在单个连接中为最多 50 个网站编制索引。
• 使用排除规则从爬网中排除网页。
• 使用 Copilot 中的语义搜索 使用户能够查找相关内容。

支持的文件类型

File Extension	文件类型	说明
.pdf	PDF	Portable Document Format
.odt	OpenDocument 文本	OpenDocument 文本文档
.ods	OpenDocument 电子表格	OpenDocument 电子表格
.odp	OpenDocument 演示文稿	OpenDocument 演示文稿
.odg	OpenDocument Graphics	OpenDocument Graphics
.xls	Excel (旧)	Excel 电子表格 (旧格式)
.xlsx	Excel (新建)	Excel 电子表格 (新格式)
.ppt	PowerPoint (旧)	PowerPoint 演示文稿 (旧格式)
.pptx	PowerPoint (新)	PowerPoint 演示文稿 (新格式)
.doc	Word (旧)	Word文档 (旧格式)
.docx	Word (新)	Word文档 (新格式)
.csv	CSV	Comma-Separated 值
.txt	纯文本	纯文本文件
.xml	XML	可扩展标记语言
.md	Markdown	Markdown 文件
.rtf	Rtf 格式	Rtf 格式
.tsv	制表符分隔值	Tab-Separated 值

支持的 MIME 类型

MIME 类型	说明
text/html	用于设置网页结构格式的超文本标记语言 (HTML) 。
text/webviewhtml	用于 WebView 控件中呈现的 Web 内容的 MIME 类型。
text/x-server-parsed-html	服务器分析的 HTML 文档，通常用于服务器端包含 (SSI) 。

限制

• 连接器不支持 SAML、JWT 令牌、基于Forms的身份验证等身份验证机制。
• 连接器不支持对网页中的动态内容进行爬网。

先决条件

• 你必须是组织的 Microsoft 365 租户的 搜索管理员 。
• 网站 URL：若要连接到网站内容，需要网站的 URL。 可以在单个连接中为多个网站编制索引 (最多 50) 。
• 服务帐户 (可选) ：仅当网站需要身份验证时，才需要服务帐户。 公共网站不需要身份验证，可以直接对其进行爬网。 对于需要身份验证的网站，建议有一个专用帐户来对内容进行身份验证和爬网。

入门

1. 显示名称

显示名称用于标识 Copilot 中的每个引文，帮助用户轻松识别关联的文件或项目。 显示名称还表示受信任的内容。 显示名称也用作 内容源筛选器。 此字段存在默认值，但你可以将其自定义为组织中的用户可识别的名称。

2. 要编制索引的网站 URL

指定要爬网的网站根目录。 企业网站云Microsoft Graph 连接器使用此 URL 作为起点，并跟踪此 URL 中的所有链接进行爬网。 在单个连接中最多可为 50 个不同的站点 URL 编制索引。 在“URL”字段中，输入以逗号 (，) 分隔的网站 URL。 例如，https://www.contoso.com,https://www.contosoelectronics.com。

注意

连接器始终从 URL 的根目录开始爬网。 例如 ， 如果提供的 URL 为 https://www.contoso.com/electronics，则连接器将从 开始爬网 https://www.contoso.com。

连接器仅对根 URL 域中的网页进行爬网，不支持对域外 URL 进行爬网。 仅在同一域中支持重定向。 如果要爬网的网页中有重定向，则可以直接将重定向的 URL 添加到要爬网的 URL 列表中。

使用站点地图进行爬网

选中后，连接器仅对站点地图中列出的 URL 进行爬网。 此选项还允许你在后面的步骤中配置增量爬网。 如果未选择或未找到站点地图，连接器会对网站根 URL 上找到的所有链接执行深层爬网。

选择此选项后，爬网程序将执行以下步骤：

a. 爬网程序在根位置中查找 robots.txt 文件。 例如 ， 如果提供的 URL 为 https://www.contoso.com，则爬网程序会在 中查找 robots.txt 文件 https://www.contoso.com/robots.txt。

b. 找到 robots.txt 文件后，爬网程序会在 robots.txt 文件中查找站点地图链接。

c. 然后，爬网程序将爬网站点地图文件中列出的所有网页。

d. 如果上述任何步骤失败，爬网程序会对网站执行深度爬网，而不会引发任何错误。

3.身份验证类型

你选择的身份验证方法适用于你提供给连接中索引的所有网站。 若要对网站中的内容进行身份验证和同步，请选择 以下四种受支持的方法之一 ：

a. 无
如果网站无需任何身份验证要求即可公开访问，请选择此选项。

b. 基本身份验证
输入帐户的用户名和密码以使用基本身份验证进行身份验证。

c. SiteMinder
Siteminder 身份验证需要格式正确的 URL、 https://custom_siteminder_hostname/smapi/rest/createsmsession用户名和密码。

d. Microsoft Entra OAuth 2.0 客户端凭据
具有 Microsoft Entra ID 的 OAuth 2.0 需要资源 ID、客户端 ID 和客户端密码。

资源 ID、客户端 ID 和客户端密码值取决于如何为网站设置基于Microsoft Entra ID的身份验证。 两个指定选项之一可能适用于您的网站：

1. 如果使用Microsoft Entra应用程序作为标识提供者和客户端应用来访问网站，则客户端 ID 和资源 ID 是此单个应用程序的应用程序 ID，客户端密码是在此应用程序中生成的机密。

   注意

   有关将客户端应用程序配置为标识提供者的详细步骤，请参阅快速入门：使用Microsoft 标识平台注册应用程序和配置App 服务或Azure Functions应用以使用Microsoft Entra登录名。

   配置客户端应用后，请确保通过转到应用的 “证书 & 机密 ”部分创建新的客户端密码。 复制页中显示的客户端密码值，因为它不会再次显示。

   在以下屏幕截图中，可以看到获取客户端 ID 和客户端密码的步骤，以及设置应用（如果要自行创建应用）。

   • 品牌部分中的设置视图：

     

   • 身份验证部分中设置的视图：

     

     注意

     无需在网站上具有上述重定向 URI 指定的路由。 仅当使用 Azure 在网站中发送的用户令牌进行身份验证时，才需要具有路由。

   • “Essentials”部分中的客户端 ID 视图：

     

   • “ 证书 & 机密 ”部分的客户端密码视图：

     

2. 如果使用应用程序 (第一个应用) 作为网站的标识提供者作为资源，另一个应用程序 (第二个应用) 访问网站，则客户端 ID 是第二个应用的应用程序 ID，客户端密码是第二个应用中配置的机密。 但是，资源 ID 是第一个应用的 ID。

   注意

   有关将客户端应用程序配置为标识提供者的步骤，请参阅快速入门：使用Microsoft 标识平台注册应用程序和配置App 服务或Azure Functions应用以使用Microsoft Entra登录名。

   无需在此应用程序中配置客户端密码，但需要在稍后分配给客户端应用程序的“ 应用角色 ”部分添加应用角色。 请参阅图像，了解如何添加应用角色。

   • 创建新的应用角色：

     

   • 编辑新的应用角色：

     

     配置资源应用后，创建客户端应用，并通过在客户端应用的 API 权限中添加上面配置的应用角色来授予其访问资源应用的权限。

     注意

     若要了解如何向客户端应用授予权限，请参阅 快速入门：将客户端应用程序配置为访问 Web API。

   以下屏幕截图显示了向客户端应用授予权限的部分。

   • 添加权限：

     

   • 选择权限：

     

   • 添加权限：

     

   分配权限后，需要转到“证书 & 机密”部分，为此应用程序创建新的客户端密码。 复制页面上显示的客户端机密值，因为它不会再次显示。 使用此应用的应用程序 ID 作为客户端 ID，将此应用中的机密用作客户端密码，将第一个应用的应用程序 ID 用作资源 ID。

4. 面向有限受众推出

如果要先在 Copilot 和其他搜索图面中验证此连接，然后再将此连接部署到有限的用户群，然后再将它扩展到更广泛的受众。 若要详细了解有限推出，请参阅 分阶段推出。

此时，已准备好为云网站创建连接。 可以单击“ 创建 ”，从网站发布连接和索引网页。

对于其他设置（如 访问权限、 数据包含规则、 架构、 爬网频率等），我们提供了基于最适合网站的默认设置。 可以看到以下默认值：

用户	说明
访问权限	组织中的每个人都将看到此内容

内容	说明
要排除的 URL	无
管理属性	若要检查默认属性及其架构，请参阅内容

同步	说明
增量爬网	频率：每 15 分钟 (仅支持站点地图爬网)
完全爬网	频率：每天

如果要编辑这些值中的任何一个，需要选择“自定义设置”选项。

自定义设置

自定义设置适用于想要编辑上表中列出的设置的默认值的管理员。 单击“自定义设置”选项后，会看到另外三个选项卡 - 用户、内容和同步。

用户

访问权限

企业网站云连接器支持仅对 每个人 可见的搜索权限。 索引数据显示在组织中所有用户的搜索结果中。

内容

添加 URL 以排除 (可选的爬网限制)

可通过两种方法防止对页面进行爬网：禁止在 robots.txt 文件中对其进行爬网，或将其添加到“排除”列表。

1. 支持 robots.txt

   连接器检查根站点是否有 robots.txt 文件。 如果存在，则它遵循并遵循该文件中找到的说明。 如果不希望连接器对网站上的某些页面或目录进行爬网，请在 robots.txt 文件中的“不允许”声明中包括页面或目录。

2. 添加要排除的 URL

   可以选择创建 排除列表 ，以在内容敏感或不值得爬网时排除某些 URL 被爬网。 若要创建排除列表，请浏览根 URL。 可以在配置过程中将排除的 URL 添加到列表中。

管理属性

在这里，你可以在网站上添加或删除可用属性，为属性分配架构 (定义属性是可搜索的、可查询的、可检索的还是可精简的) ，更改语义标签并向属性添加别名。 下面列出了默认选择的属性。

Source 属性	标签	说明	架构
作者	作者	参与数据源中项的人员	查询、检索
内容	内容	网页中的所有文本内容	搜索
CreatedDateTime	创建日期时间	在数据源中创建项的数据和时间	查询、检索
说明			检索、搜索
FileType	文件扩展名	已爬网内容的文件扩展名	查询、优化、检索
IconURL	IconUrl	网页的图标 URL	取回
LastModifiedBy	最后一次修改者	上次修改数据源中项的人员	查询、检索
LastModifiedDateTime	上次修改日期时间	上次在数据源中修改项的日期和时间。	查询、检索
标题	标题	要在 Copilot 和其他搜索体验中显示的项的标题	检索、搜索
URL	url	数据源中的项的目标 URL	取回

企业网站云连接器支持两种类型的源属性：

1. Meta 标记

   连接器提取根 URL 可能具有的任何元标记并显示它们。 可以选择要包含哪些标记进行爬网。 所选标记会为所有提供的 URL 编制索引（如果可用）。

   

   所选元标记可用于创建自定义属性。 此外，在架构页上，可以进一步管理它们 (可查询、可搜索、可检索、可精简) 。

2. 自定义属性设置

   可以通过为所选元标记或连接器的默认属性创建自定义属性来扩充索引数据。

   

   添加自定义属性：

   1. 输入属性名称。 此名称显示在此连接器的搜索结果中。
   2. 对于值，请选择“静态”或“字符串/正则表达式映射”。 静态值包含在此连接器的所有搜索结果中。 字符串/正则表达式值因添加的规则而异。
   3. 如果选择了静态值，请输入要显示的值。
   4. 如果选择了 String/rRegex 值：
      • 在 “添加表达式” 部分的 “属性 ”列表中，从列表中选择默认属性或元标记。 对于 “示例值”，请输入一个字符串来表示可能显示的值的类型。 预览规则时使用此示例。 对于 “表达式”，请输入一个正则表达式来定义应出现在搜索结果中的属性值部分。 最多可以添加三个表达式。
      • 在 “创建公式 ”部分中，输入公式以合并从表达式中提取的值。

若要了解有关正则表达式的详细信息，请参阅 .NET 正则表达式 或搜索 Web 以获取正则表达式参考指南。

同步

刷新间隔确定数据在数据源和 Graph 连接器索引之间同步的频率。 有两种类型的刷新间隔 - 完全爬网和增量爬网。 有关详细信息，请参阅 刷新设置。

如果需要，可以从此处更改刷新间隔的默认值。

注意

仅当选择了 sitemap 爬网选项时，才支持增量爬网。

疑难解答

发布连接后，可以在管理中心的“数据源”选项卡下查看状态。 若要了解如何进行更新和删除，请参阅 管理连接器。 可 在此处找到常见问题的故障排除步骤。

如果遇到问题或想要提供反馈，请联系 Microsoft Graph |支持。