GSA 提要 - 发布的元数据被忽略答案

【问题标题】：GSA feeds - metadata posted is ignoredGSA 提要 - 发布的元数据被忽略
【发布时间】：2015-04-10 14:32:49
【问题描述】：

我们正在为一些无法通过正常抓取访问的 PDF 发布“元数据和 URL”GSA 提要。除了 PDF 的 URL，我们还提交了其他元数据。提要成功完成，并且 PDF 被添加到 GSA 索引（在索引诊断和结果 XML 中可用）。但是发布的元数据会被忽略，并且只考虑 GSA 本身通过抓取文档（作者等）提取的任何元数据。

我们远远低于许可限制（甚至没有达到 50%）。

Feed 记录如下所示：

<record lock="true" action="add" mimetype="application/pdf" crawl-once="true" url="<PDF URL HERE>">
        <metadata>
            <meta content="md1value" name="md1name"/>
            <meta content="md2value" name="md2name"/>
            ...
        </metadata>
</record>

索引诊断页面显示 PDF 的此元数据：

Metadata Name   Metadata Content            Metadata Content length
CreationDate    D:20110622112810-04'00'     23
ModDate         D:20110622112949-04'00'     23
Producer        PDF-XChange 4.0.165.0       75

所以没有 md1name 和 md2name 的条目。请帮忙。

【问题讨论】：

标签： metadata google-search-appliance

【解决方案1】：

以下是谷歌文档的摘录。

元数据信息 - 抓取时的 URL 元数据信息。还显示了实体识别添加的元数据。请注意，当存在大量元数据信息时，并非全部都显示在此处，即使所有元数据仍被正确编入索引。

为了查看所有元数据，触发搜索查询（不带代理样式表） getfields=* 并检查结果 xml。

希望对你有帮助。

【讨论】：

是的，我也这样做了。没有发布元数据。此外，我们没有超过 4-5 个元条目，它们有时会出现在某些文档中。
如果Feed提交正确且没有任何错误（Content Sources> Feeds），它必须反映在结果xml中。它看起来像奇怪的行为。请向 Google 提出支持请求。

【解决方案2】：

您应该尝试从提要中去除所有 xml 属性，并且只推送最相关的那些（例如，删除：lock=true、 crawl-once=true）。在成功处理提要后（因此您可以在索引诊断中看到记录及其元数据），您可以尝试添加属性。所以试试下面的格式：

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE gsafeed PUBLIC "-//Google//DTD GSA Feeds//EN" "gsafeed.dtd">
<gsafeed>
<header>
    <datasource>$datasource_name</datasource>
    <feedtype>metadata-and-url</feedtype>
</header>
<group>
    <record action="add" mimetype="text/pdf" url="{$URL}">
        <metadata>
            <meta name="{$name1}" content="{$content1}" />
            <meta name="{$name2}" content="{$content2}" />
        </metadata>
    </record>
</group>
</gsafeed>

还要确保您的提要客户端使用适当的类型（元数据和网址）发布提要。而且我相信 PDF 文件的 mimetype 是“text/pdf”而不是“application/pdf”（这样的事情经常让人头疼）。

【讨论】：

如果 GSA 要抓取内容，则无需指定 MIME 类型。