Azure SQL Server 全文搜索不适用于 .doc .docx 类型

Question

我正在尝试为表格设置全文搜索

.

我尽一切努力让它发挥作用：

EXEC sp_fulltext_catalog 'DocumentsCatalog', 'create';
EXEC sp_fulltext_catalog 'DocumentsCatalog', 'start_full'
EXEC sp_fulltext_table 'dbo.DocumentBody', 'create', 'DocumentsCatalog',  'PK_DocumentBody'
EXEC sp_fulltext_column 'dbo.DocumentBody', 'Value', 'add', 0, 'Type'
EXEC sp_fulltext_table 'dbo.DocumentBody', 'start_change_tracking'
EXEC sp_fulltext_table 'dbo.DocumentBody', 'update_index'

为了避免我的数据库支持这些类型的文档的问题，我做了：

SELECT * 
FROM sys.fulltext_document_types 
WHERE document_type IN ('.doc', '.docx', '.html')

输出：

document_type |class_id                            | path    |version       |manufacturer
--------------|------------------------------------|---------|--------------|-----------------------
.doc          |64F1276A-7A68-4190-882C-5F14B7852019|    NULL |              |
.docx         |5A98B233-3C59-4B31-944C-0E560D85E6C3|    NULL |              |
.html         |E0CA5340-4534-11CF-B952-00AA0051FE20|    NULL |  12.0.6828.0 | Microsoft Corporation

之后我插入了 2 个类型为“.html”和“.docx”的文档。

当我搜索时

SELECT *
FROM DocumentBody 
WHERE CONTAINS([Value], 'some html content')

它按预期工作，但是当我对“.docx”内容执行相同操作时，它什么也不返回。

有谁知道为什么“.docx”或“.doc”类型的全文搜索不能按预期工作？

Answer 1

Azure SQL 数据库全文搜索不支持 Office 和 PDF 等“二进制”文件格式，仅支持文本格式（包括 html）。

您可以通过编程方式从 Office 文档中提取文本，并将提取的文本存储在全文索引列中