JSON-blobok és -fájlok indexelése az Azure AI Keresésben

A következőkre vonatkozik: Blobindexerek, Fájlindexelők (előzetes verzió)

Az Azure AI Keresés blobindexeléséhez ez a cikk bemutatja, hogyan állíthatja be a JSON-dokumentumokat tartalmazó blobok vagy fájlok tulajdonságait. Az Azure Blob Storage-ban vagy az Azure Filesban található JSON-fájlok általában az alábbi űrlapok bármelyikét feltételezik:

• Egyetlen JSON-dokumentum
• Jól formázott JSON-elemek tömböt tartalmazó JSON-dokumentum
• Több entitást tartalmazó JSON-dokumentum, új vonallal elválasztva

A blobindexelő egy paramétert parsingMode biztosít a keresési dokumentum kimenetének JSON-struktúra alapján történő optimalizálásához. Az elemzési módok a következő lehetőségekből állnak:

Az és esetében érdemes áttekinteni az „Egy blob indexelése, hogy több keresési dokumentumot hozzunk létre” témát, hogy megértsük, hogyan kezeli a blob indexelő a dokumentumkulcs egyértelműsítését az ugyanabból a blobból létrehozott több keresési dokumentum esetében.

Az indexelő definíción belül lehetőség van mezőleképezések beállítására, hogy a forrás JSON dokumentum mely tulajdonságait használja a cél keresési index feltöltéséhez. Az elemzési mód használatakor jsonArray például, ha a tömb alsó szintű tulajdonságként létezik, beállíthatja a "documentRoot" tulajdonságot, amely azt jelzi, hogy a tömb hol található a blobban.

Az alábbi szakaszok részletesebben ismertetik az egyes módokat. Ha nem ismeri az indexelő ügyfeleket és a fogalmakat, olvassa el a Keresési indexelő létrehozása című témakört. Ismernie kell az alapszintű blobindexelő konfiguráció részleteit is, amelyek itt nem ismétlődnek.

Egyetlen JSON-dokumentum indexelése (blobonként egy)

A blobindexelők alapértelmezés szerint egyetlen szövegtömbként elemzik a JSON-blobokat, egy keresési dokumentumot a tárolóban lévő blobokhoz. Ha a JSON strukturált, a keresési dokumentum tükrözheti ezt a struktúrát, és az egyes elemek egyéni mezőkként jelennek meg. Tegyük fel például, hogy a következő JSON-dokumentum van az Azure Blob Storage-ban:

{
    "article" : {
        "text" : "A hopefully useful article explaining how to parse JSON blobs",
        "datePublished" : "2020-04-13",
        "tags" : [ "search", "storage", "howto" ]    
    }
}

A blob indexelő egyetlen keresési dokumentummá elemzi a JSON dokumentumot, és betölt egy indexet, ahol a forrásban szereplő "text", "datePublished" és "tags" mezők azonos nevű és típusú célindexmezőkhöz vannak illesztve. A "text", "datePublished és "tags" mezőkkel rendelkező indexek alapján a blobindexelő a megfelelő leképezést tudja kikövetkeztetni anélkül, hogy egy mezőleképezés szerepel a kérelemben.

Bár az alapértelmezett működés szerint egy JSON-blob egy keresési dokumentumnak felel meg, az json elemzési mód beállítása megváltoztatja a tartalom belső mezőleképezéseit, és a content mezőket tényleges mezőkké alakítja a keresési indexben. Az json elemzési mód egy indexelődefiníciója az alábbihoz hasonló lehet:

POST https://[service name].search.windows.net/indexers?api-version=2026-04-01
Content-Type: application/json
api-key: [admin key]

{
    "name" : "my-json-indexer",
    "dataSourceName" : "my-blob-datasource",
    "targetIndexName" : "my-target-index",
    "parameters" : { "configuration" : { "parsingMode" : "json" } }
}

json-példa (egyetlen szállodai JSON-fájl)

A GitHubon található JSON-dokumentumadatok a JSON-elemzés teszteléséhez hasznosak, ahol minden blob egy strukturált JSON-fájlt jelöl. Feltöltheti az adatfájlokat a Blob Storage-ba, és egy importálási varázslóval gyorsan kiértékelheti, hogy a tartalom hogyan lesz elemezve az egyes keresési dokumentumokban.

Az adatkészlet öt blobból áll, amelyek mindegyike tartalmaz egy címgyűjteményt és egy szobagyűjteményt tartalmazó szállodai dokumentumot. A blobindexelő mindkét gyűjteményt észleli, és tükrözi az indexsémában lévő bemeneti dokumentumok szerkezetét.

JSON-tömbök elemzése

Másik lehetőségként a JSON-tömböt is használhatja. Ez a beállítás akkor hasznos, ha a blobok jól formázott JSON-objektumokat tartalmazó tömböt tartalmaznak, és azt szeretné, hogy minden elem külön keresési dokumentum legyen. jsonArrays használatával a következő JSON-blob három különálló dokumentumot hoz létre, mindegyik "id" és "text" mezőkkel.

[
    { "id" : "1", "text" : "example 1" },
    { "id" : "2", "text" : "example 2" },
    { "id" : "3", "text" : "example 3" }
]

Az parameters indexelő tulajdonsága elemzési mód értékeit tartalmazza. JSON-tömb esetén az indexelő definíciójának az alábbi példához hasonlóan kell kinéznie.

POST https://[service name].search.windows.net/indexers?api-version=2026-04-01
Content-Type: application/json
api-key: [admin key]

{
    "name" : "my-json-indexer",
    "dataSourceName" : "my-blob-datasource",
    "targetIndexName" : "my-target-index",
    "parameters" : { "configuration" : { "parsingMode" : "jsonArray" } }
}

jsonArrays példa

A GitHubon a New York Philharmonic JSON-adatkészlete hasznos a JSON-tömbelemzés teszteléséhez. Feltöltheti az adatfájlokat a Blob Storage-ba, és egy importálási varázslóval gyorsan kiértékelheti, hogy a tartalom hogyan lesz elemezve az egyes keresési dokumentumokban.

Az adatkészlet nyolc olyan blobból áll, amelyek mindegyike egy entitásokból álló JSON-tömböt tartalmaz, összesen 100 entitáshoz. Az entitások eltérőek attól függően, hogy mely mezők vannak feltöltve, de a végeredmény entitásonként egy keresési dokumentum, az összes tömbből, az összes blobból.

Beágyazott JSON-tömbök elemzése

Beágyazott elemekkel rendelkező JSON-tömbök esetén megadhat egy documentRoot többszintű struktúrát jelzőt. Ha például a blobok a következőképpen néznek ki:

{
    "level1" : {
        "level2" : [
            { "id" : "1", "text" : "Use the documentRoot property" },
            { "id" : "2", "text" : "to pluck the array you want to index" },
            { "id" : "3", "text" : "even if it's nested inside the document" }  
        ]
    }
}

Ezzel a konfigurációval indexelje a tulajdonságban található tömböt level2 :

{
    "name" : "my-json-array-indexer",
    ... other indexer properties
    "parameters" : { "configuration" : { "parsingMode" : "jsonArray", "documentRoot" : "/level1/level2" } }
}

JSON-entitások elemzése új vonalakkal elválasztva

Ha a blob több, új vonallal elválasztott JSON-entitást tartalmaz, és azt szeretné, hogy minden elem külön keresési dokumentum legyen, használja a következőt jsonLines:

{ "id" : "1", "text" : "example 1" }
{ "id" : "2", "text" : "example 2" }
{ "id" : "3", "text" : "example 3" }

JSON-sorok esetén az indexelő definíciójának az alábbi példához hasonlóan kell kinéznie.

POST https://[service name].search.windows.net/indexers?api-version=2026-04-01
Content-Type: application/json
api-key: [admin key]

{
    "name" : "my-json-indexer",
    "dataSourceName" : "my-blob-datasource",
    "targetIndexName" : "my-target-index",
    "parameters" : { "configuration" : { "parsingMode" : "jsonLines" } }
}

JSON-mezők leképezése keresési mezőkre

A mezőleképezések egy forrásmezőt társítanak egy célmezőhöz olyan helyzetekben, amikor a mezőnevek és a típusok nem azonosak. A mezőleképezések azonban a JSON-dokumentumok részeinek egyeztetésére és a keresési dokumentum legfelső szintű mezőibe való "felemelésére" is használhatók.

Az alábbi forgatókönyv ezt a példát ábrázolja. A mezőleképezésekkel kapcsolatos általános információkért lásd a mezőleképezéseket.

{
    "article" : {
        "text" : "A hopefully useful article explaining how to parse JSON blobs",
        "datePublished" : "2016-04-13"
        "tags" : [ "search", "storage", "howto" ]    
    }
}

Tegyük fel, hogy a keresési index a következő mezőkkel rendelkezik: text típus Edm.String, date típus Edm.DateTimeOffsetés tags típus Collection(Edm.String). Figyelje meg a "datePublished" közötti eltérést az index forrásában és date mezőjében. A JSON kívánt alakzatba való leképezéséhez használja a következő mezőleképezéseket:

"fieldMappings" : [
    { "sourceFieldName" : "/article/text", "targetFieldName" : "text" },
    { "sourceFieldName" : "/article/datePublished", "targetFieldName" : "date" },
    { "sourceFieldName" : "/article/tags", "targetFieldName" : "tags" }
    ]

A forrásmezők a JSON-mutató jelölésével vannak megadva. A JSON-dokumentum gyökerére mutató perjellel kezdje, majd válassza ki a kívánt tulajdonságot (tetszőleges beágyazási szinten) a perjellel elválasztott elérési út használatával.

Az egyes tömbelemekre nulla alapú index használatával is hivatkozhat. Ha például a fenti példából szeretné kiválasztani a "címkék" tömb első elemét, használjon egy ilyen mezőleképezést:

{ "sourceFieldName" : "/article/tags/0", "targetFieldName" : "firstTag" }

Következő lépések

• Blobindexerek konfigurálása
• Mezőleképezések definiálása
• Az indexelők áttekintése
• CSV-blobok indexelése blobindexelővel
• Oktatóanyag: Részben strukturált adatok keresése az Azure Blob Storage-ból