使用Azure搜索blob提取程序处理大型文件

Question

从Blob提取器接收文件对于当前层来说太大的错误，这是基本的。我将升级到更高级别，但我注意到最大大小目前是256MB。

当我有PPTX文件主要是视频和音频，但有我感兴趣的文字时，有没有办法对它们进行索引？ blob提取器最大文件大小实际意味着什么？

我可以告诉提取器只接受第一个X MB或字符并停止吗？

Answer 1

blob索引器中有两个相关限制：

1. 您要达到的最大文件大小限制。如果文件大小超过该限制，索引器不会尝试下载它并产生错误以确保您知道该问题。我们不仅仅采用前N个字节的原因是因为正确解析许多格式，需要整个文件。您可以将blob标记为可跳过，或者将索引器配置为忽略大量错误，如果您希望它在遇到过大的blob时前进。

2. 提取文字的最大尺寸。如果文件包含的文本多于该文本，则索引器会将N个字符提升到限制并包含警告，以便您可以了解该问题。当然，未提取的内容（例如视频，至少今天）不会对此限制做出贡献。

您需要索引的PPTX有多大？我会在评论中添加我的联系信息。