azure - 使用 Azure 认知服务提取超链接以及相关文本

Question

我们有一个要求，我们需要搜索文档并提供相关文本以及文档中存在的超链接。使用 azure 搜索，我们能够获取文本，但无法获取与该文本关联的超链接。

根据下面的示例，在使用 Azure 认知服务时，是否有办法获取与文本关联的超链接 ( https://stackoverflow.com )？我们需要搜索文档并返回相关文本以及文档中存在的超链接。

例如
这是我们文档中的一段文字 indexed使用 azure 搜索。

azure 搜索的输出:
这是我们使用 azure 搜索索引的文档中的文本。

看到了文本分析 API，但我没有找到任何与超链接提取以及文本相关的内容。

Answer 1

仔细阅读您的问题，我假设您正在尝试使用 azure 搜索索引器来索引 html 文档，并且索引器仅从 html 中提取人类可读的文本？

您可以通过更改 "parsingMode" configuration 来控制从 Blob 中提取哪些数据。在索引器上。默认值“default”将删除所有 html 标记。如果将该值更改为“text”，您可以索引完整的 html(包括 anchor href 等标记元素属性)。

我不相信有任何方法可以配置 azure 搜索索引器来删除除超链接之外的所有 html 标记。如果您的场景需要像这样更复杂的解析，您需要自己完成。也许通过 custom skill如果您仍然想利用索引器管道的其余部分