Azure AI 搜索中使用的内容元数据属性

Artículo
06/17/2024

一些支持索引器的数据源（包括 Azure Blob 存储和 SharePoint）包含独立的文件或各种内容类型的嵌入对象。其中许多内容类型都具有可用于索引的元数据属性。正如可以为标准 blob 属性（如 metadata_storage_name）创建搜索字段一样，也可以在搜索索引中为特定于文档格式的元数据属性创建字段。

支持的文档格式

Azure AI 搜索支持以下文档格式的 blob 索引和 SharePoint 文档索引：

CSV（请参阅为 CSV Blob 编制索引）
EML
EPUB
GZ
HTML
JSON（请参阅为 JSON blob 编制索引）
KML（用于地理表示形式的 XML）
Microsoft Office 格式：DOCX/DOC/DOCM、XLSX/XLS/XLSM、PPTX/PPT/PPTM、MSG（Outlook 电子邮件）、XML（2003 和 2006 Word XML）
公开文档格式：ODT、ODS、ODP
PDF
纯文本文件（另请参阅为纯文本编制索引）
RTF
XML
ZIP

按文档格式划分的属性

下表汇总了每种文档格式的处理，还说明了 Blob 索引器和 SharePoint Online 索引器提取的元数据属性。

文档格式/内容类型	提取的元数据	处理详细信息
CSV (text/csv)	`metadata_content_type` `metadata_content_encoding`	提取文本注意：如果需要从 CSV Blob 提取多个文档字段，请参阅为 CSV Blob 编制索引了解详细信息
DOC (application/msword)	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	提取文本，包括嵌入的文档
DOCM（应用程序/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`	提取文本，包括嵌入的文档
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`	提取文本，包括嵌入的文档
EML (message/rfc822)	`metadata_content_type` `metadata_message_from` `metadata_message_to` `metadata_message_cc` `metadata_creation_date` `metadata_subject`	提取文本，包括附件
EPUB（应用程序/epub+zip）	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_title` `metadata_description` `metadata_language` `metadata_keywords` `metadata_identifier` `metadata_publisher`	从存档中的所有文档提取文本
GZ（应用程序/gzip）	`metadata_content_type`	从存档中的所有文档提取文本
HTML（text/html 或 application/xhtml+xml）	`metadata_content_encoding` `metadata_content_type` `metadata_language` `metadata_description` `metadata_keywords` `metadata_title`	剥离 HTML 标记并提取文本
JSON (application/json)	`metadata_content_type` `metadata_content_encoding`	提取文本注意：如果需要从 JSON Blob 提取多个文档字段，请参阅为 JSON Blob 编制索引了解详细信息
KML (application/vnd.google-earth.kml+xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	剥离 XML 标记并提取文本
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`	提取文本，包括从附件中提取的文本。 `metadata_message_to_email`、`metadata_message_cc_email` 和 `metadata_message_bcc_email` 是字符串集合，其余字段是字符串。
ODP（应用程序/vnd.oasis.opendocument.presentation）	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_title`	提取文本，包括嵌入的文档
ODS（应用程序/vnd.oasis.opendocument.spreadsheet）	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	提取文本，包括嵌入的文档
ODT（应用程序/vnd.oasis.opendocument.text）	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	提取文本，包括嵌入的文档
PDF（应用程序/pdf）	`metadata_content_type` `metadata_language` `metadata_author` `metadata_title` `metadata_creation_date`	提取文本，包括嵌入的文档（不包括图像）
纯文本 (text/plain)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	提取文本
PPT (application/vnd.ms-powerpoint)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	提取文本，包括嵌入的文档
PPTM（应用程序/vnd.ms-powerpoint.presentation.macroenabled.12）	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	提取文本，包括嵌入的文档
PPTX (application/vnd.openxmlformats-officedocument.presentationml.presentation)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified` `metadata_slide_count` `metadata_title`	提取文本，包括嵌入的文档
RTF（应用程序/rtf）	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	提取文本
WORD 2003 XML（应用程序/vnd.ms-wordml）	`metadata_content_type` `metadata_author` `metadata_creation_date`	剥离 XML 标记并提取文本
WORD XML（应用程序/vnd.ms-word2006ml）	`metadata_content_type` `metadata_author` `metadata_character_count` `metadata_creation_date` `metadata_last_modified` `metadata_page_count` `metadata_word_count`	剥离 XML 标记并提取文本
XLS (application/vnd.ms-excel)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	提取文本，包括嵌入的文档
XLSM（应用程序/vnd.ms-excel.sheet.macroenabled.12）	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	提取文本，包括嵌入的文档
XLSX (application/vnd.openxmlformats-officedocument.spreadsheetml.sheet)	`metadata_content_type` `metadata_author` `metadata_creation_date` `metadata_last_modified`	提取文本，包括嵌入的文档
XML (application/xml)	`metadata_content_type` `metadata_content_encoding` `metadata_language`	剥离 XML 标记并提取文本
ZIP (application/zip)	`metadata_content_type`	从存档中的所有文档提取文本

Compartir a través de

Azure AI 搜索中使用的内容元数据属性

支持的文档格式

按文档格式划分的属性

另请参阅

Recursos adicionales