Azure Search索引Azure Files中ZIP内文本的问题咨询

问题1：ZIP归档内文本无法提取，content字段存整个ZIP文件 #

Azure Search 默认不会自动解析ZIP归档并提取内部文件内容，你需要在索引器配置中添加归档解析参数，同时确保索引包含content字段（不需要改成复杂类型，用Edm.String即可）。

具体操作要点：

• 索引里要新增content字段，类型设为Edm.String，并开启searchable属性，用于存储提取出的文本内容
• 索引器配置的configuration中添加parsingMode: "default"，该模式支持自动识别并解析ZIP、GZIP等归档文件，将内部文件作为独立文档处理

问题2：移除content字段后仍遇文档大小超限 #

即使移除了content字段，索引器处理ZIP文件时仍会尝试提取整个文件内容进行解析，这就触发了Basic SKU的16MB文档大小限制。推荐两种解决方式：

1. 在索引器的configuration中添加indexStorageMetadataOnlyForOversizedDocuments: true，让超大文件仅索引元数据，跳过内容提取
2. 配置索引器只解析归档内的目标文件，避免将ZIP本身作为文档处理（更贴合你的需求，因为核心目标是索引归档内的文本）

修改后的配置示例 #

索引配置（新增content字段） #

{
  "name" : "zipindex",
  "fields": [
      { "name": "ID", "type": "Edm.String", "key": true, "searchable": false },
      { "name": "metadata_storage_name", "type": "Edm.String", "searchable": false, "filterable": true, "sortable": true  },
      { "name": "metadata_storage_path", "type": "Edm.String", "searchable": false, "filterable": true, "sortable": true },
      { "name": "metadata_storage_size", "type": "Edm.Int64", "searchable": false, "filterable": true, "sortable": true  },
      { "name": "metadata_storage_content_type", "type": "Edm.String", "searchable": true, "filterable": true, "sortable": true },
      { "name": "content", "type": "Edm.String", "searchable": true, "filterable": false, "sortable": false }     
  ]
}

索引器配置（添加归档解析和超限处理） #

{
  "name" : "zipindexer",
  "dataSourceName" : "datasource",
  "targetIndexName" : "zipindex",
  "parameters": {
     "batchSize": null,
     "maxFailedItems": null,
     "maxFailedItemsPerBatch": null,
     "base64EncodeKeys": null,
     "configuration": {
        "indexedFileNameExtensions" : ".txt,.ini,.vzg",
        "excludedFileNameExtensions" : ".png,.jpeg,.dat,.img",
        "parsingMode": "default",
        "indexStorageMetadataOnlyForOversizedDocuments": true
    }
  },
  "schedule" : { },
  "fieldMappings" : [ ]
}

额外说明 #

• parsingMode: "default"会让索引器自动识别归档文件，将内部每个文件作为独立文档索引，同时保留ZIP本身的元数据
• 如果不需要保留ZIP文件的元数据，可以在数据源配置中添加excludedFileNameExtensions: ".zip"，直接跳过ZIP文件本身的索引

内容的提问来源于stack exchange，提问作者PatrickT