GSA - 獲取索引的子集

我需要獲取GSA（GSA 7）索引/集合中包含一個或多個特定鏈接的所有文檔的列表。所以我有一個網址列表，需要找到任何包含它們的文檔（在文檔正文中，而不是元數據）。 UCM提供了大約70萬份文檔（全文索引）。包含鏈接的文檔數量太大，無法通過常規搜索來獲取。是否有一些OOTB的方式來實現這一目標？將要走什麼路？我正在考慮創建一個單獨的集合，但過濾條件僅適用於URL，而不適用於文件的內容。GSA - 獲取索引的子集

由於提前， ž

來源

2015-09-14 user1681189

Entity Recognition使用你可以標記包含URL模式（一個或多個），您有興趣與特定一條元數據的每個文檔。然後，您可以使用此生成的元數據標記將結果篩選爲您感興趣的結果。不幸的是，您仍然依賴運行搜索來找到它們，並且您需要等待GSA重新抓取創建ER規則後的所有內容，然後才能查找這些文檔。

或者，如果您從連接器饋送它們，您可以添加一個Document Filter，它檢查每個正在饋送的文件的內容，然後在某處（如：文件，數據庫或Web服務）記錄當前文檔的URL你正在尋找的模式。這仍然需要重新抓取，但至少您不需要運行搜索來查找匹配，您可以查閱您的日誌。

來源

2015-09-14 21:44:40 BigMikeW

這些是我不知道的兩個好主意，謝謝。關於DocumentFilter的一個問題：我看到元數據可以很容易地被改變。但是，如何引用文檔中的文本（如果有方法的話）？所以在我的情況下，我需要搜索一堆網址。我是否使用「內容」並將其視爲常規標籤？另外，是否可以修改文檔的主體？我會假設沒有。 – user1681189

這段時間以來，我已經嘗試過，但是，我確定如果您實現自己的DocumentFilter類，您將能夠訪問內容。如果我能找到一個例子，我會編輯我的答案。 – BigMikeW

GSA - 獲取索引的子集

回答

相關問題