如何在Azure AI Search中配置索引器的imageAction为generateNormalizedImagePerPage并获取页码

针对你使用的脚本，按以下步骤修改来实现imageAction=generateNormalizedImagePerPage配置，从而获取页码：

1. 更新索引定义，添加页码存储字段 #

在脚本创建搜索索引的代码段中，添加用于存储页码的字段。可以直接使用系统自带的metadata_storage_page_number字段，也可以自定义字段：

# 找到构建索引字段的部分，补充以下字段
fields.append(SearchField(name="metadata_storage_page_number", type=SearchFieldDataType.Int32, retrievable=True, filterable=True))

# 若要自定义字段名，比如用page_number，可替换为：
# fields.append(SearchField(name="page_number", type=SearchFieldDataType.Int32, retrievable=True))

2. 修改索引器配置，启用imageAction #

找到脚本中创建索引器的代码，在索引器参数里添加imageAction配置：

# 构建索引器时，添加parameters配置
indexer = SearchIndexer(
    name=indexer_name,
    data_source_name=data_source_name,
    target_index_name=index_name,
    parameters=SearchIndexerParameters(
        configuration={
            "imageAction": "generateNormalizedImagePerPage",
            # 若需要提取文档内容，可同时设置：
            # "dataToExtract": "contentAndMetadata"
        }
    )
)

# 如果用了自定义页码字段，添加字段映射（可选）
# indexer.output_field_mappings = [
#     SearchIndexerOutputFieldMapping(source_field_name="metadata_storage_page_number", target_field_name="page_number")
# ]

# 最后创建索引器
search_client.create_indexer(indexer)

效果说明 #

启用该配置后，PDF等带页码的文档会被拆分为单页独立文档，每个文档的metadata_storage_page_number（或你自定义的字段）会对应其原始页码值，后续查询时即可直接获取该字段的值。

内容的提问来源于stack exchange，提问作者Mukhtor Rasulov