GSA - 获取索引的子集

Question

我需要获取 GSA (GSA 7) 索引/集合中具有一个或多个特定链接的所有文档的列表。 所以我有一个 url 列表，需要找到包含它们的任何文档（在文档正文中，而不是元数据中）。 UCM 提供了大约 700,000 个文档（它们是全文索引的）。 包含链接的文档数量太大，无法通过常规搜索获得。 有一些 OOTB 方法可以解决这个问题吗？要走的路是什么？我正在考虑创建一个单独的集合，但过滤条件仅适用于 URL，而不适用于文件的内容。

提前致谢， Z

Answer 1

使用Entity Recognition，您可以使用特定元数据标记包含您感兴趣的URL 模式的每个文档。然后，您可以使用此生成的元数据标签将结果过滤为您感兴趣的结果。 不幸的是，您仍然依赖于运行搜索来找到它们，并且您需要等待 GSA 在创建 ER 规则后重新抓取您的所有内容，然后才能查找这些文档。

或者，如果您从连接器提供它们，您可以添加一个Document Filter，它检查每个被提供的文件的内容，然后在某处记录当前文档的 URL（例如：文件、数据库或 web 服务）如果它包含您正在寻找的模式。这仍然需要重新抓取，但至少您不需要运行搜索来查找匹配项，您只需查阅您的日志即可。