GSA - Получить подмножество индекса

Question

Мне нужно будет получить список всех документов в индексе/коллекции GSA 7, которые имеют одну или несколько конкретных ссылок. Итак, у меня есть список URL-адресов и вам нужно найти любые документы, которые содержат их (в теле документа, а не метаданных). Существует около 700 000 документов, поданных из UCM (они индексируются полнотекстовым текстом). Количество документов, содержащих ссылки, слишком велико, чтобы получить его через регулярный поиск. Есть ли способ OOTB, чтобы добраться до этого? Каким будет путь? Я думал о создании отдельной коллекции, но критерии фильтрации работают только на URL-адресах, а не на содержимое файлов.

Спасибо заранее, Z

Answer 1

Использование Entity Recognition вы можете пометить каждый документ, содержащий шаблон URL (ы), которые вы заинтересованы в с определенной частью метаданных. Затем вы можете использовать этот сгенерированный тег метаданных, чтобы отфильтровать результаты только до тех, которые вас интересуют. К сожалению, вы по-прежнему полагаетесь на запуск поиска, чтобы найти их, и вам нужно будет дождаться, пока GSA повторно сканирует весь ваш контент после создания правила ER, прежде чем вы сможете искать эти документы.

В качестве альтернативы, если вы кормите их из соединителя, вы можете добавить Document Filter, который проверяет содержимое каждого загружаемого файла и затем записывает URL-адрес текущего документа где-нибудь (например: файл, db или webservice), если он содержит образец, который вы ищете. Это все равно потребует повторного обхода, но по крайней мере вам не нужно запускать поиск, чтобы найти совпадения, вы можете просто проконсультироваться с вашим журналом.