Azure blob 文档 - 全文搜索答案

【问题标题】：Azure blob document - Full text searchAzure blob 文档 - 全文搜索
【发布时间】：2015-04-16 21:09:31
【问题描述】：

我使用 Azure 来托管我的项目并选择 blob 来存储所有文件（因为它们以兆字节为单位并且数量很大）。我需要在 blob 中的所有文件中进行搜索（有点像全文搜索）。我尝试将它与 Azure 搜索集成，但没有运气，因为索引仅在 sql 上创建。有没有办法在blob中集成全文搜索？

如果不是，那么将文档存储在 azure 中并仍然像 sharepoint 提供的那样使其可搜索（全文搜索）的有效方法是什么。

【问题讨论】：

【解决方案1】：

我从事 Azure 搜索。我们刚刚发布了对存储在 Azure blob 存储中的索引文档的预览支持，并支持 PDF、Office 文档、HTML 和一些其他格式。请参阅https://azure.microsoft.com/en-us/documentation/articles/search-howto-indexing-azure-blob-storage/ 了解更多详情。

谢谢，尤金

【讨论】：

嘿 Eugene，我可以在 blob 中拥有的文件是办公文档和所有文本文件。不知道如何使用 Axure Search 使 office 文档可搜索。我尝试过 POC，但从未在 Azure 搜索上得到结果
嗨 Ankit，您需要使用 Apache Tika 或 IFilters 之类的工具从文档中提取文本内容（因为办公格式包含大量 XML 和标记，而不仅仅是文本），然后调用 Azure Search API将您的文档添加到索引中（请参阅msdn.microsoft.com/en-us/library/azure/dn798930.aspx）
我之前找到了这个链接，但我正在寻找 Azure 开箱即用的东西。是否可以在 Azure 网站上打开办公文件？因为这需要 Windows 组件（假设）
Ankit，看看下面这篇文章，可能会有帮助：wp.sjkp.dk/azure-search-pdf-indexing
某种关于 doc、docx、xls、xlsx 文件作为 SQL Server 文件表工作的东西？

【解决方案2】：

您可以尝试 azure search，它现在支持认知搜索[Preview]，它使用 OCR 进行图像识别。它在 pdf 和所有类型的文档方面做得很好。

即使是扫描的文档，它也能很好地工作。

微软有一个关于 azure search 的在线演示，它做得很好。 https://jfk-demo.azurewebsites.net/

【讨论】：