Azure Cognitive Search对接SharePoint数据源时部分文档未被索引求助

常见诱因 #

• 权限不足：索引器使用的身份（托管标识/服务主体）没有读取这些未索引文档的权限。SharePoint权限是细粒度的，哪怕站点有访问权，个别文档或文件夹可能单独设置了限制。
• 文档状态异常：处于签出状态、草稿未发布的文档，或者仅保留旧版本的文档，默认不会被索引器抓取。
• 文件体积或损坏：超过默认16MB大小限制的文件，或者本身损坏的文件（比如打不开的Office文档、损坏的压缩包），会被索引器直接跳过。
• 预览版功能限制：如果用的是预览版SharePoint索引器，可能存在对特殊库（如表单库、图片库）、深层嵌套文件夹支持不全的情况，部分文档会被遗漏。
• 隐藏的过滤规则：即使你移除了手动添加的文档类型过滤，索引器可能有默认的排除扩展名列表，需要显式清空。

解决步骤 #

• 核对权限：确认索引器使用的身份拥有目标站点/文档库的读取所有内容权限，必要时给该身份单独授权未索引文档所在的文件夹。
• 调整索引器配置：
  • 在索引器的parameters里设置"includeContentTypes": true，确保所有内容类型都被扫描；
  • 显式设置"excludedFileExtensions": []，清空默认的扩展名排除规则；
  • 调整"maxFileSize"参数（比如设为67108864即64MB），覆盖默认大小限制。
• 修复文档状态：批量检查未索引文档，把签出的签入、草稿发布，确保文档处于已发布的可用状态。
• 开启索引器日志：在Azure门户找到索引器，开启详细日志记录。日志里会明确记录每个文档的处理结果，包括跳过的原因，不用手动核对就能找到统一问题。

用户反馈情况 #

很多使用预览版SharePoint索引器的用户都遇到过类似问题，大部分是权限、文档状态或预览版功能限制导致的，通过日志排查基本能快速定位根源。

内容的提问来源于stack exchange，提问作者howlieT