搜尋 Azure Blob 儲存體內容

附註

Foundry IQ(Azure AI 搜尋服務)提供直接的索引與查詢 API,並搭配高階知識來源與知識庫 API 用於受控檢索。 使用 Azure 入口網站、REST API 或 Azure SDK 來設定這些功能,或將代理連線到 Microsoft Foundry 入口網站 中的知識庫。

在 Azure Blob 儲存體 中儲存的各種內容類型之間搜尋,可能是一個難以解決的問題,但 Foundry IQ(Azure AI 搜尋服務)在內容層提供深度整合,能擷取並推斷文字資訊,然後在搜尋索引中查詢這些資訊。

在本文中,您將了解從 Blob 擷取內容與中繼資料,並將其傳送至 Foundry IQ 中的 搜尋索引的基本工作流程。 您可以使用全文檢索搜尋或向量搜尋來查詢產生的索引。 針對非搜尋用途,您可以選擇將已處理的 Blob 內容傳送至知識存放區。

附註

已經熟悉工作流程和組合了嗎? 設定 blob 索引器 是你的下一步。

在 Blob 資料上新增搜尋的意義

Foundry IQ 是一項獨立服務,支援在使用者定義的索引上執行索引和查詢工作負載,而這些索引包含您託管於雲端的私人可搜尋內容。 使用雲端中的查詢引擎共置您的可搜尋內容是效能的必要項,並以使用者所預期搜尋查詢的速度傳回結果。

Foundry IQ 在索引層與 Azure Blob 儲存體 整合,將你的 Blob 內容匯入搜尋文件,並被索引為反轉索引及其他支援自由文字查詢、向量查詢及篩選表達式的查詢結構。 由於您的 blob 內容已建立在搜尋索引中,您可以使用 Foundry IQ 中完整的查詢功能來尋找 blob 內容中的資訊。

輸入是您在 Azure Blob 儲存體中的 Blob (在單一容器中)。 Blob 幾乎可以是任何類型的文字資料。 如果您的 Blob 包含影像,您可以新增 AI 擴充,以建立及擷取影像中的文字和特徵。

輸出永遠是 Foundry IQ 索引,用於客戶端應用程式中的快速文字搜尋、檢索與探索。 介於兩者之間的是索引編製管線結構本身。 管線是以「索引子」功能為基礎,這會在此文章中進一步討論。

建立並填入索引之後,其會獨立存在於您的 Blob 容器中,但您可以重新執行索引編製作業,以根據已變更文件來重新整理索引。 個別 Blob 的時間戳記資訊會用於變更偵測。 您可以選擇排程執行或隨選索引編製作為重新整理機制。

Blob 搜尋解決方案中使用的資源

你需要 Foundry IQ、Azure Blob 儲存體,以及一個客戶端。 Foundry IQ 通常是解決方案中的幾個組件之一,您的應用程式程式碼負責發出查詢 API 請求並處理回應。 您也可以撰寫應用程式程式碼來處理索引編製,但針對概念證明測試和模擬工作,但通常會使用 Azure 入口網站作為搜尋用戶端。

在 Blob 儲存體中,您需要提供來源內容的容器。 您可以設定檔案的包含與排除條件,並指定 Blob 的哪些部分會在 Foundry IQ 中被建立索引。

您可以在您的儲存體帳戶入口網站頁面中直接開始。

  1. 在左側導覽頁的「 資料管理」下,選擇 Foundry IQ 以選取或建立 Foundry IQ 服務。

  2. 使用 匯入精靈 從 Blob 擷取並選擇性地建立可搜尋的內容。 工作流程會在你的 Foundry IQ 服務上建立索引器、資料來源、索引,以及可選的技能組合。

    Azure 儲存體 入口網站頁面中 Foundry IQ 精靈的螢幕截圖。

  3. 使用搜尋入口網站頁面中的搜尋總管來查詢您的內容。

精靈是最佳的開始方式,但當您自行設定 Blob 索引子時,可探索更具彈性的選項。 您可以使用 REST 用戶端。 教學:索引與搜尋半結構化資料(JSON blobs) 會帶你一步步了解如何呼叫 REST API。

如何編製 Blob 的索引

根據預設,大部分的 Blob 會編製索引,作為索引中的單一搜尋文件,包括具有結構化內容的 Blob,例如 JSON 或 CSV,這類檔案會編製索引為單一文字區塊。 不過,對於具有內部結構 (分隔符號) 的 JSON 或 CSV 檔案,您可以指派剖析模式來為每個行或元素產生個別的搜尋文件:

複合或內嵌文件,例如 ZIP 封存、具有內嵌 Outlook 電子郵件的 Word 文件 (內含附件),或者內含附件的 .MSG 檔案,也會編制索引為單一文件。 例如,從 .MSG 檔案附件擷取的所有影像,都會傳回 normalized_images 欄位。 如果您有影像,請考慮新增 AI 擴充,以從該內容取得更多搜尋公用程式。

文件的文字內容會擷取至名為 "content" 的字串欄位。 您也可以擷取標準和使用者定義的中繼資料。

附註

Foundry IQ 會根據價格層級,對其擷取的文字量設下 索引器限制。 如果文件遭到截斷,索引子狀態回應中會出現警告。

使用 Blob 索引子進行內容擷取

索引器是 Foundry IQ 中的一個資料來源感知子服務,具備內部邏輯,用於取樣資料、讀取與檢索資料及元資料,並將資料從原生格式序列化為 JSON 文件以便後續匯入。

Azure 儲存體中的 Blob 會使用 Blob 索引子編製索引。 您可以透過 Azure 儲存體 中的 Foundry IQ 指令、Azure 入口網站的匯入資料精靈、REST API 或 .NET SDK 來呼叫此索引器。 在程式碼中,您可以藉由設定類型,以及提供包含 Azure 儲存體帳戶和 Blob 容器的連線資訊,來使用此索引子。 您可以藉由建立虛擬目錄來將 Blob 子集化,然後將其當作參數傳遞,或藉由篩選檔案類型副檔名來進行。

索引子 "cracks a document" 會開啟 Blob 以檢查內容。 連線到資料來源之後,其就是管線中的第一個步驟。 若是 Blob 資料,則會在此偵測到 PDF、Office 文件和其他內容類型。 使用文字擷取的文件破解是免費的。 如果您的 Blob 包含影像內容,除非您新增 AI 擴充,否則系統會忽略影像。 標準索引編製僅適用於文字內容。

Azure Blob 索引子隨附設定參數,如果底層資料提供足夠的資訊,則支援變更追蹤。 您可以在從 Azure Blob 儲存體索引資料中深入了解核心功能。

支援的存取層

Blob 儲存體的存取層包含經常性儲存層、非經常性儲存層、極非經常性存取和封存層。 索引子可以在經常性存取層、非經常性存取層和極非經常性存取層上擷取 Blob。

支援的內容類型

藉由在容器上執行 Blob 索引子,您可以使用單一查詢從下列內容類型中擷取文字和中繼資料:

  • CSV (請參閱編製 CSV Blob 的索引)
  • EML
  • EPUB
  • GZ
  • HTML
  • JSON (請參閱編製 JSON Blob 的索引)
  • KML (用於地理標記法的 XML)
  • Markdown
  • Microsoft Office 格式:DOCX/DOC/DOCM、XLSX/XLS/XLSM、PPTX/PPT/PPTM、MSG (Outlook 電子郵件)、XML (2003 和 2006 WORD XML)
  • 開放式文件格式:ODT、ODS、ODP
  • PDF
  • 純文字檔案 (另請參閱編制純文字的索引)
  • RTF(富文本格式)
  • XML
  • ZIP

控制要編製哪些 blob 的索引

您可以透過 Blob 的檔案類型或設定 Blob 本身的屬性,控制要編製的 Blob、要略過的 Blob,讓索引子略過指定項目。

您可將 "indexedFileNameExtensions" 設定為以逗號分隔的副檔名清單 (前面加上點) 來包含特定副檔名。 將 "excludedFileNameExtensions" 設定為應略過的副檔名,可排除特定副檔名。 若兩份清單中有相同的副檔名,則會排除在索引編製外。

PUT /indexers/[indexer name]?api-version=2026-10-01
{
    "parameters" : { 
        "configuration" : { 
            "indexedFileNameExtensions" : ".pdf, .docx",
            "excludedFileNameExtensions" : ".png, .jpeg" 
        } 
    }
}

新增 Blob 的「skip」中繼資料

索引子組態參數會套用至容器或資料夾中的所有 Blob。 有時候,您可能想要控制「個別 blob」的索引編製方式。

請將下列中繼資料屬性和值新增至 Blob 儲存體中的 Blob。 遇到此屬性時,索引子會跳過索引執行中的 Blob 或 Blob 內容。

屬性名稱 屬性值 說明
"AzureSearch_Skip" "true" 指示 blob 索引子以完全略過 blob。 不會嘗試擷取中繼資料或內容。 當特定 blob 一直失敗,並且中斷編製索引程序時,這非常有用。
"AzureSearch_SkipContent" "true" 這相當於"dataToExtract": "allMetadata"所描述的 設定,但僅限於特定的 Blob。

編製 Blob 中繼資料的索引

若要簡化任何內容類型的 Blob 排序,常見案例是為每個 Blob 的自訂中繼資料和系統屬性編製索引。 如此一來,所有 blob 的資訊都會被索引,不論文件類型,並儲存在您的 Foundry IQ 服務中的索引中。 使用您的新索引,接著便可以跨所有 Blob 儲存體的內容,進行排序、篩選、Facet。

附註

Blob 索引標籤是由 Blob 儲存體服務以原生方式編製索引,而且會針對查詢而公開。 如果您的 Blob 機碼/值屬性需要索引編製和篩選功能,則應使用 Blob 索引標籤,而不是中繼資料。

若要深入了解 Blob 索引,請參閱使用 Blob 索引來管理及尋找 Azure Blob 儲存體上的資料。

搜尋搜尋索引中的 Blob 內容

索引子的輸出是搜尋索引,用於在用戶端應用程式中使用任意文字和篩選查詢進行互動式探索。 若要進行內容的初始探索和驗證,建議您從 Azure 入口網站中的搜尋總管開始檢查文件結構。 在「搜尋總管」中,您可以使用:

更永久的解決方案是收集查詢輸入,並在用戶端應用程式中將回應呈現為搜尋結果。

後續步驟