修改Azure Cognitive Search索引：网站搜索功能异常求助

一、修复索引JSON修改后丢失的问题 #

• 不要直接在Azure门户的可视化索引编辑器里修改JSON，编辑器会覆盖手动修改内容。正确流程：
  1. 用Azure CLI导出当前索引定义到本地文件：

     az search index show --name your-index-name --resource-group your-rg --service-name your-search-service --output json > index-definition.json
     

  2. 在本地编辑器（如VS Code）中修改index-definition.json，确保配置好需要返回的字段及属性
  3. 用CLI重新覆盖更新索引：

     az search index create --name your-index-name --resource-group your-rg --service-name your-search-service --file index-definition.json --overwrite
     

二、配置索引与索引器，实现返回段落/标题及页面链接 #

1. 定义索引所需字段 #

索引必须包含可检索、可搜索的目标字段，示例JSON：

{
  "name": "your-index-name",
  "fields": [
    { "name": "id", "type": "Edm.String", "key": true, "retrievable": true },
    { "name": "pageUrl", "type": "Edm.String", "retrievable": true },
    { "name": "title", "type": "Edm.String", "retrievable": true, "searchable": true },
    { "name": "content", "type": "Edm.String", "retrievable": true, "searchable": true },
    { "name": "@search.score", "type": "Edm.Double", "retrievable": true }
  ]
}

• pageUrl：存储对应网站页面的链接
• title：提取自HTML页面的标题
• content：HTML解析后的文本内容，需设retrievable: true才能返回

2. 配置Blob索引器解析HTML并映射字段 #

索引器需启用HTML解析规则，将Blob元数据/内容映射到索引字段：

{
  "name": "your-blob-indexer",
  "dataSourceName": "your-blob-datasource",
  "targetIndexName": "your-index-name",
  "parameters": {
    "configuration": {
      "parsingMode": "html",
      "indexedFileNameExtensions": ".html",
      "metadataStoragePath": "full"
    }
  },
  "fieldMappings": [
    { 
      "sourceFieldName": "metadata_storage_path", 
      "targetFieldName": "pageUrl",
      "mappingFunction": {
        "name": "replace",
        "parameters": {
          "pattern": "https://your-storage-account.blob.core.windows.net/your-container/",
          "replacement": "https://your-website.com/"
        }
      }
    },
    { "sourceFieldName": "metadata_title", "targetFieldName": "title" },
    { "sourceFieldName": "content", "targetFieldName": "content" }
  ]
}

• parsingMode: html：让索引器自动解析HTML提取文本和元数据
• replace映射函数：将Blob存储路径替换为实际网站页面URL

3. 调用搜索API时指定返回内容 #

发起搜索请求时，必须通过select参数指定要返回的字段，如需高亮关键词片段，可搭配highlight参数：

{
  "search": "your-keyword",
  "select": "pageUrl,title",
  "highlight": "content",
  "highlightPreTag": "<mark>",
  "highlightPostTag": "</mark>",
  "top": 10
}

三、常见问题排查 #

• 字段未返回：检查索引字段的retrievable是否设为true，且搜索请求的select参数包含该字段
• HTML标题未提取：确认HTML文件包含<title>标签，若索引器无法自动抓取，可添加技能集从HTML内容中提取标题
• 页面链接映射错误：调整replace函数的pattern和replacement参数，匹配你的存储路径与网站URL规则

内容的提问来源于stack exchange，提问作者Jacob Gallant