Azure AI Search：非PDF文件无法生成标准化图片的技术咨询

Azure AI Search的内置索引器仅支持对PDF文件自动生成标准化图片，docx、pptx等Office文档确实无法通过内置能力完成这一步。针对你的需求，有两种可行方案：

方案一：通过自定义技能实现文档转图片 #

你可以借助Azure Functions构建自定义技能，将docx/pptx转换为单页图片，再接入到索引器的技能流中：

• 实现文档转换逻辑：在Azure Function中调用Office转换工具（如LibreOffice命令行工具，或利用Microsoft Graph API的文档转换接口），将docx/pptx文件逐页转换为PNG/JPG等格式的图片。
• 集成到技能集：在Azure AI Search的技能集中添加自定义技能节点，将原Office文档作为输入，输出转换后的图片，再串联后续的OCR/hOCR处理技能，最终将hOCR结果存入Blob存储。

方案二：提前预处理文件，自行生成图片 #

在将docx/pptx上传到Blob存储前，先通过本地或云端自动化工具完成文档到图片的转换：

• 批量转换：使用Office自动化工具（如PowerShell脚本调用Microsoft Office组件、LibreOffice批量转换）将每个Office文档转换为对应页数的图片文件。
• 关联存储：将原文件和对应的图片文件一同上传到Blob存储，配置索引器时直接指向图片文件路径，触发OCR/hOCR流程生成所需结果。

两种方案中，方案一适合需要端到端自动化处理的场景，方案二更适合对文件预处理流程有较强控制需求的场景，可根据业务实际情况选择。

内容的提问来源于stack exchange，提问作者Mike