Azure AI Studio添加PDF数据时文本截断警告的解决方法

• 绕过手动拖拽的内置限制，改用自定义数据连接
  手动拖拽添加数据的模式有固定的文本提取字符上限（65536），分块设置是提取完成后才生效的操作，所以无法解决截断问题。需切换到自定义数据源连接流程：
  1. 在助手的数据管理界面，选择「添加数据」→「连接到数据源」
  2. 选择Azure Blob存储（先将目标PDF上传到自己的Blob容器），完成存储账户和容器的权限配置
  3. 在连接的高级设置中，找到「文本提取字符限制」选项，将数值调整为足够覆盖265页PDF的文本量（比如设置为1000000）
• 用Azure AI Search自定义索引器精细控制
  若自定义数据连接仍有问题，可直接创建AI Search索引器：
  1. 在Azure门户创建AI Search资源，配置匹配需求的索引结构
  2. 创建索引器并关联存储PDF的Blob容器，将textExtractionMode参数设为extractAllText
  3. 在索引器参数中修改maxExtractionLength，设置为-1表示取消字符限制，或根据PDF实际文本量设置具体数值
• 预处理拆分PDF（备选方案）
  若暂时无法调整平台设置，可先将265页的大PDF拆分为多个小文件（比如每50页一个），再分别添加，确保单个文件提取的文本量低于65536字符

注意：分块大小是对已提取完成的文本进行拆分，所以提取阶段的字符上限触发后，分块设置不会改变截断结果，必须优先调整文本提取的限制参数。

内容的提问来源于stack exchange，提问作者Mike B