如何通过Java以编程方式在蔚蓝搜索中建立认知搜索能力(使用OCR)？

Question

我想在我的应用程序中提供全文搜索功能，所以我试图配置Azure搜索和认知搜索功能，以便我可以索引图像以及存储在Azure Blob存储中的非图像文档。然而，在使用Azure Search的REST通过Java代码配置Azure搜索时，我无法在Azure搜索中利用OCR功能，图像文档也没有被索引。在通过Java代码配置Azure搜索(使用Azure搜索REST )时，我遗漏了一些配置细节。

案例1:从Azure Portal，我可以

1. 配置Azure搜索具有认知功能(包括OCR技能集)、索引、索引器和Azure Blob存储。
2. 用于索引图像和非图像文档，如pdf、png、jpg、xls等。
3. 用于搜索索引文档

。

案例2:通过使用Azure REST的Java代码，我可以

1. 配置Azure搜索具有认知功能、索引、索引器和Azure Blob存储。
2. 将索引非图像文档(如pdf、xls等)用于搜索索引文档，但是，在使用Azure Search的REST通过Java代码配置Azure搜索时(在案例2)，我无法将OCR功能用于Azure搜索，图像文档也没有索引。在通过Java代码配置Azure搜索时(使用Azure搜索REST )时，我缺少一些配置细节。

我使用的示例Azure搜索Rest来自Java代码1. https://%s.search.windows.net/datasources?api-version=%s 2. https://%s.search.windows.net/skillsets/cog-search-demo-ss?api-version=%s 3. https://%s.search.windows.net/indexes/%s?api-version=%s 4. https://%s.search.windows.net/indexers?api-version=%s

配置jsons: 1. datasource.json

{
   "name" : "csstoragetest",
    "type" : "azureblob",
    "credentials" : { "connectionString" : "connectionString" },
    "container" : { "name" : "csblob" }
}

1. skillset.json

{
   "description": "Extract text from images and merge with content text to produce merged_text",
  "skills":
  [
    {
      "description": "Extract text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": "null",
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text",
          "targetName": "myText"
        },
        {
          "name": "layoutText",
          "targetName": "myLayoutText"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.MergeSkill",
      "description": "Create merged_text, which includes all the textual representation of each image inserted at the right location in the content field.",
      "context": "/document",
      "insertPreTag": " ",
      "insertPostTag": " ",
      "inputs": [
        {
          "name":"text", "source": "/document/content"
        },
        {
          "name": "itemsToInsert", "source": "/document/normalized_images/*/text"
        },
        {
          "name":"offsets", "source": "/document/normalized_images/*/contentOffset"
        }
      ],
      "outputs": [
        {
          "name": "mergedText", "targetName" : "merged_text"
        }
      ]
    }
  ]
}

1. index.json

{
  "name": "azureblob-indexing",
  "fields": [
    { "name": "id", "type": "Edm.String", "key": true, "searchable": false },
    { "name": "content", "type": "Edm.String", "searchable": true, "filterable": false, "sortable": false, "facetable": false }
  ]
}

1. indexer.json

{
    "name" : "azureblob-indexing1",
  "dataSourceName" : "csstoragetest",
  "targetIndexName" : "azureblob-indexing",
  "schedule" : { "interval" : "PT2H" },
  "skillsetName" : "cog-search-demo-ss",
  "parameters":
  {
    "maxFailedItems":-1,
    "maxFailedItemsPerBatch":-1,
    "configuration":
    {
      "dataToExtract": "contentAndMetadata",
      "imageAction":"generateNormalizedImages",
      "parsingMode": "default",
      "firstLineContainsHeaders": false,
      "delimitedTextDelimiter": ","
    }
  }
}

在通过java代码配置Azure搜索之后，图像文档应该在azure搜索中被索引，我应该能够根据它们中包含的文本搜索它们。

Answer 1

我已经算出了我自己所需要的配置。它需要匹配案例1和2之间的所有参数，如上面所述(在问题中)，然后更新配置jsons。

Answer 2

尝试在没有skillset.json引号的情况下将默认语言代码设置为null

"defaultLanguageCode": null