如何在 Azure AI 搜尋服務中為純文字 Blob 和檔案編製索引

  • 發行項

適用於：Blob 索引子、檔案索引子

使用索引子擷取可搜尋的 Blob 文字或檔案內容，以執行全文搜尋時，您可以指派剖析模式，以獲得更理想的檢索結果。 依預設，索引子會將 Blob 的 content 屬性剖析為單一文字區塊。 然而，如果所有 Blob 和檔案都包含具有相同編碼的純文字，您可以使用 text 剖析模式，大幅提升檢索效能。

text 剖析的建議包括下列特性之一：

  • 檔案類型為 .txt
  • 任何類型的檔案，但內容本身為文字 (例如程式的原始程式碼、HTML、XML 等等)。 對於使用標記語言的檔案，語法字元會以靜態文字傳遞。

別忘了，所有索引子都會序列化為 JSON。 依預設，整個文字檔的內容會在一個大型欄位內編製索引為 "content": "<file-contents>"。 新行和傳回的指示會內嵌於內容欄位，以 \r\n\ 的形式呈現。

如果您想獲得更精細或細微的結果，而且檔案類型相容的話，可考慮採用以下解決方案：

將內容分成多個部分的第三種替代選項，需搭配使用 AI 擴充形式的進階功能。 這會加入分析作業，識別檔案區塊並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的解決方案，例如實體辨識或關鍵字擷取，但較接近的解決方案可能是自訂學習模型，此模型能理解您的內容，並封裝在自訂技能中。

設定純文字索引編製

若要為純文字 Blob 編製索引，請在parsingMode建立索引子text要求上將 組態屬性設為 以建立或更新索引子定義：

PUT https://[service name].search.windows.net/indexers/[indexer name]?api-version=2023-11-01
Content-Type: application/json
api-key: [admin key]

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

根據預設，會假定使用 UTF-8 編碼。 若要指定其他編碼，請使用 encoding 設定屬性：

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

要求範例

剖析模式是在索引子定義中指定。

POST https://[service name].search.windows.net/indexers?api-version=2023-11-01
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