如何在 Azure AI 搜尋服務中編製純文字 Blob 和檔案的索引

  • 發行項

適用於：Blob 索引器、檔案索引器

使用索引器來擷取可搜尋的 Blob 文字或檔案內容以進行全文搜尋時，您可以指派剖析模式，以取得更好的編製索引結果。 根據預設，索引器會將內容剖析為單一文字區塊。 不過，如果所有 Blob 和檔案都包含相同編碼方式的純文字，您可以使用剖析模式大幅改善索引編製效能 text 。

剖析的text 建議 包括：

  • 檔類型為 .txt
  • 檔案屬於任何類型，但內容本身是文字（例如程式原始程式碼、HTML、XML 等等）。 對於標示語言的檔案，任何語法字元都會以靜態文字的形式通過。

回想一下，所有索引器都會串行化為 JSON。 根據預設，整個文字文件的內容會在一個大欄位內編制索引，做為 "content": "<file-contents>"。 任何新的行和傳回指令都內嵌在內容欄位中，並以 表示。\r\n\

如果您想要更細微的結果，而且文件類型相容，請考慮下列解決方案：

將內容分成多個部分的第三個選項需要 AI 擴充形式的進階功能。 它會新增分析，以識別檔案的區塊，並將其指派給不同的搜尋欄位。 您可以透過內建技能找到完整或部分解決方案，但更可能的解決方案是瞭解您的內容、在自定義學習模型中清楚表達的內容，並包裝在自定義技能中的學習模型。

設定純文字索引

若要編制純文字 Blob 的索引，請使用建立索引器要求上的組態屬性text，建立或更新索引器定義parsingMode：

PUT https://[service name].search.windows.net/indexers/[indexer name]?api-version=2020-06-30
Content-Type: application/json
api-key: [admin key]

{
  ... other parts of indexer definition
  "parameters" : { "configuration" : { "parsingMode" : "text" } }
}

根據預設， UTF-8 會假設編碼方式。 若要指定不同的編碼方式，請使用組 encoding 態屬性：

{
  ... other parts of indexer definition
  "parameters" : { "configuration" : { "parsingMode" : "text", "encoding" : "windows-1252" } }
}

要求範例

剖析模式是在索引器定義中指定。

POST https://[service name].search.windows.net/indexers?api-version=2020-06-30
Content-Type: application/json
api-key: [admin key]

{
  "name" : "my-plaintext-indexer",
  "dataSourceName" : "my-blob-datasource",
  "targetIndexName" : "my-target-index",
  "parameters" : { "configuration" : { "parsingMode" : "delimitedText", "delimitedTextHeaders" : "id,datePublished,tags" } }
}

下一步