Azure认知服务Document Extraction技能定义后如何上传文件解析

完整后续操作说明 #

你已经完成了文档提取技能和技能集的创建，接下来根据你的使用场景，分两种路径操作：

场景1：批量处理存储端的PDF/DOCX文件（主流生产场景） #

Azure认知搜索的技能集默认是和索引器绑定工作的，不会直接接收本地文件传入，操作步骤如下：

• 先准备数据源：把所有需要解析的文档上传到Azure Blob存储的专用容器中
• 创建数据源连接：调用_indexerClient.CreateOrUpdateDataSourceConnectionAsync方法，创建类型为AzureBlob的数据源对象，关联你存文件的Blob容器
• 创建搜索索引：定义包含输出字段的索引结构，必须包含你技能输出映射的extracted_content字段，设置对应的可查询/可检索属性
• 创建绑定索引器：把数据源、已创建的DocumentSkillset技能集、搜索索引三者绑定到同一个索引器对象中，调用方法创建索引器后运行，索引器会自动拉取容器内的文件，调用文档提取技能完成解析，最终把解析出的文本和元数据写入搜索索引

场景2：单文件即时解析测试（对应你贴的JSON示例） #

你给出的JSON结构是技能集按需调用接口的请求体，这个能力不需要依赖索引器、数据源，适合单文件即时测试场景：

• 你需要先把本地要解析的文件读取为字节流，再编码为Base64字符串
• 按照你贴的JSON结构构造请求：recordId可以自定义用于标识文件，data下的file_data固定设置"$type": "file"，data字段填刚才生成的文件Base64字符串
• C#中直接调用_indexerClient.SkillsetClient.InvokeSkillsetAsync方法，传入技能集名称和构造好的请求对象，即可直接拿到解析返回的extracted_content内容

注意事项 #

你当前技能定义里的Description写的是「从图像提取文本」，和你的文档提取场景不符，可以按需修改，不影响实际运行效果。

内容的提问来源于stack exchange，提问作者Bitz