Azure搜索中的文件格式检测

Question

我们想在Azure中添加大量Blob，我们希望将它们添加到Azure搜索索引中。这些Blob具有多种格式（PDF，DOC，RTF等），但是都没有文件扩展名。

因此，Azure搜索在索引编制过程中表现不佳，因为它似乎仅使用文件扩展名进行文件格式检测。我们收到以下错误，并且由于我们所有文件都具有这些“无效”扩展名，因此无论为索引错误设置了任何阈值，都会发生该错误：

  

导入配置失败，创建索引器时出错：“数据错误   来源：文件   “ https://XXXXXXX.blob.core.windows.net/folder/filename.00001”有   不支持的内容类型“不支持”。只索引斑点   元数据并忽略其内容，设置“ dataToExtract”索引器   配置属性为“ storageMetadata”。看到   https://aka.ms/azsearchblobdatatoextract。忽略此错误并   继续为不支持的内容类型的Blob编制索引，请设置   将索引器配置中的'failOnUnsupportedContentType'切换为   假。有关更多信息，请参见   https://aka.ms/blob-indexer-parameters-for-extraction。请调整   您的数据源定义才能继续。”

是否有任何方法可以让Azure搜索进行基于文件内容的文件检测，或者至少使用Blob上的元数据？

Answer 1

Azure Search已经可以进行基于内容的内容类型检测，但是有些斑点是有问题的。在索引器操作期间可以跳过这些有问题的Blob（带有警告，以便您了解发生了什么），但是，如果在索引器 creation 中遇到这样的Blob，则创建会失败，并显示您遇到的错误。

如果您删除（或跳过使用Blob元数据）所讨论的Blob，那么其他大多数Blob是否都能按预期工作？我怀疑如果可以与您共享，Azure搜索团队会感兴趣地查看问题Blob。