如何在Azure认知搜索中创建TEXTSPLIT技能并关联索引器

要给已创建的索引器添加TEXTSPLIT技能，需分三步操作：更新技能集、调整索引（如需存储拆分结果）、修改索引器的输出字段映射。以下是针对你现有配置的具体操作：

1. 更新技能集（terminal-skillset） #

TEXTSPLIT技能需要添加到你当前使用的terminal-skillset中，配置时指定要拆分的输入文本（比如已有的merged_content），并设置拆分规则（按字符数、句子或段落）。

示例技能集JSON（包含原有技能+新增TEXTSPLIT）：

{
  "@odata.context": "https://mssearchser.search.windows.net/$metadata#skillsets/$entity",
  "@odata.etag": "\"0x8DC690CB8941711\"",
  "name": "terminal-skillset",
  "description": "",
  "skills": [
    // 原有技能：语言检测
    {
      "@odata.type": "#Microsoft.Skills.Text.LanguageDetectionSkill",
      "name": "LanguageDetection",
      "description": "",
      "context": "/document",
      "inputs": [
        {
          "name": "text",
          "source": "/document/content"
        }
      ],
      "outputs": [
        {
          "name": "languageCode",
          "targetName": "language"
        }
      ]
    },
    // 原有技能：关键短语提取
    {
      "@odata.type": "#Microsoft.Skills.Text.KeyPhraseExtractionSkill",
      "name": "KeyPhraseExtraction",
      "description": "",
      "context": "/document/merged_content",
      "inputs": [
        {
          "name": "text",
          "source": "/document/merged_content"
        },
        {
          "name": "languageCode",
          "source": "/document/language"
        }
      ],
      "outputs": [
        {
          "name": "keyPhrases",
          "targetName": "keyphrases"
        }
      ]
    },
    // 新增TEXTSPLIT技能
    {
      "@odata.type": "#Microsoft.Skills.Text.SplitSkill",
      "name": "TextSplitSkill",
      "description": "",
      "context": "/document",
      "inputs": [
        {
          "name": "text",
          "source": "/document/merged_content"
        },
        {
          "name": "languageCode",
          "source": "/document/language"
        }
      ],
      "outputs": [
        {
          "name": "textItems",
          "targetName": "split_content"
        }
      ],
      "parameters": {
        "textSplitMode": "pages", // 可选：pages/sentences/paragraphs
        "maximumPageLength": 1000, // 按字符数拆分时的长度
        "pageOverlapLength": 100 // 拆分后段落的重叠长度
      }
    }
  ],
  "cognitiveServices": {
    "@odata.type": "#Microsoft.Azure.Search.CognitiveServicesByKey",
    "key": "<你的认知服务密钥>"
  }
}

2. 调整索引（azureblob-index） #

如果需要将拆分后的文本存储到索引中，需在现有索引里添加一个集合类型字段（比如split_content）：

修改后的索引字段片段：

{
  "name": "split_content",
  "type": "Collection(Edm.String)",
  "searchable": true,
  "filterable": false,
  "retrievable": true,
  "stored": true,
  "sortable": false,
  "facetable": false,
  "analyzer": "standard.lucene"
}

将这段字段配置添加到你现有索引的fields数组中。

3. 更新索引器（terminal-indexer） #

在索引器的outputFieldMappings中添加TEXTSPLIT技能的输出映射，将拆分后的文本关联到索引的新字段：

修改后的索引器输出映射片段：

"outputFieldMappings": [
  // 原有映射
  {"sourceFieldName": "/document/merged_content/locations", "targetFieldName": "locations"},
  {"sourceFieldName": "/document/merged_content/keyphrases", "targetFieldName": "keyphrases"},
  {"sourceFieldName": "/document/language", "targetFieldName": "language"},
  {"sourceFieldName": "/document/merged_content", "targetFieldName": "merged_content"},
  {"sourceFieldName": "/document/normalized_images/*/text", "targetFieldName": "text"},
  {"sourceFieldName": "/document/normalized_images/*/layoutText", "targetFieldName": "layoutText"},
  // 新增TEXTSPLIT输出映射
  {"sourceFieldName": "/document/split_content", "targetFieldName": "split_content"}
]

完成以上修改后，重新运行索引器，TEXTSPLIT技能就会生效，将指定文本拆分后存入索引字段。

内容的提问来源于stack exchange，提问作者Techzill