Azure Cognitive Search检索PDF如何配置仅返回关键词匹配短文本片段

你不需要修改Blob存储的文件结构，也不需要额外拆分PDF文档，直接通过索引配置+查询参数调整就能实现需求，具体操作如下：

一、索引字段配置 #

• 找到索引中存储PDF解析后全文内容的字段（通常命名为content），保留searchable=true属性，取消勾选retrievable属性，从配置上禁止接口默认返回完整的上百页文档内容。
• 其余需要返回的元数据字段（比如PDF文件名、Blob存储路径、上传时间等）正常保留retrievable=true即可。

二、搜索请求参数配置 #

调用搜索接口时按以下规则传参，核心是通过命中高亮能力返回匹配位置的局部片段：

• 不要把存PDF全文的字段放到$select参数中，$select只填写你需要返回的元数据字段名。
• 传入highlight参数，值设置为存PDF全文的字段名，例如正文字段为content时传highlight=content。
• 传入highlightMaxSentenceLength参数，根据你使用的语言调整数值：如果是英文文本，设置为30-40即可覆盖检索词前后共约5个词的长度；如果是中文文本设置为15-20即可，测试时如果返回片段偏长/偏短再微调数值。
• 可选配置highlightPreTag和highlightPostTag参数，自定义包裹匹配检索词的标记，比如需要加粗匹配词就分别传<em>和</em>，不需要特殊标记传空字符串即可。
• 如果你开启了语义搜索能力，可以额外设置captions=extractive、answers=none，把captionMaxLength调到最低档，返回的匹配片段精准度会更高。

三、效果说明 #

配置完成后检索关键词时，接口不会返回完整PDF内容，只会返回每个命中位置附近符合长度要求的短文本片段，比如检索"money"时就会返回你预期的*Money* bribe ..、*money* laundering ...这类短结果。如果需要调整片段长度，直接修改highlightMaxSentenceLength的数值即可，不需要重建索引。

内容的提问来源于stack exchange，提问作者Julius Francis