INTEGRITY Dokumentace

← Přehled / ai-search / configuration / indexing

Filtrování cest

Filtrování cest vám umožňuje určit, které soubory nebo adresy URL se mají indexovat, pomocí vzorů pro zahrnutí a vyloučení. Použijte ho k omezení indexování na konkrétní obsah nebo k vynechání souborů, které nechcete mít prohledávatelné.

Filtrování cest funguje jak s web a R2 zdrojů dat.

Konfigurace

Filtry cest můžete nastavit při vytváření nebo úpravě instance AI Search. V dashboardu otevřete Filtry cest a přidejte pravidla pro zahrnutí nebo vyloučení. Filtry cest můžete kdykoli upravit také v Nastavení stránku vaší instance.

Při použití REST API zadejte include_items a exclude_items v source_params vaší konfigurace:

Parametr Typ Limit Popis
include_items string[] Maximálně 10 vzorů Indexovat pouze položky, které odpovídají alespoň jednomu z těchto vzorů
exclude_items string[] Maximálně 10 vzorů Přeskočení položek odpovídajících některému z těchto vzorů

Oba parametry jsou volitelné. Pokud není zadán žádný z nich, zaindexují se všechny položky ze zdroje dat.

Chování filtrování

Pravidla se zástupnými znaky

Pravidla vyloučení mají přednost před pravidly zahrnutí. Filtrování probíhá v tomto pořadí:

  1. Kontrola vyloučení: Pokud položka odpovídá některému vzoru pro vyloučení, přeskočí se.
  2. Kontrola zahrnutí: Pokud jsou definovány vzory pro zahrnutí a položka žádnému z nich neodpovídá, přeskočí se.
  3. Index: Položka postupuje k indexování.
Scénář Chování
Nejsou definována žádná pravidla Indexují se všechny položky
Pouze exclude_items definováno Indexují se všechny položky kromě těch, které odpovídají vzorům pro vyloučení
Pouze include_items definováno Zaindexovány jsou pouze položky odpovídající alespoň jednomu vzoru pro zahrnutí
Obě definovány Nejprve se kontrolují vzory vyloučení, poté musí zbývající položky odpovídat vzoru zahrnutí

Syntaxe vzorů

Vzory používají syntaxi zástupných znaků rozlišující velká a malá písmena založenou na micromatch ↗:

Zástupný znak Význam
* Odpovídá libovolným znakům kromě oddělovačů cest (/)
** Odpovídá libovolným znakům včetně oddělovačů cest (/)

Vzory mohou obsahovat:

Stav indexovací úlohy

Položky přeskočené pravidly filtrování se zaznamenávají do protokolů úlohy s uvedením důvodu:

Zobrazíte je na kartě Jobs své instance AI Search a ověříte, že vaše filtry fungují podle očekávání.

Důležité poznámky

Příklady

Zdroj dat R2

Případ použití Vzor Zaindexováno Přeskočeno
Indexujte pouze PDF v dokumentaci Zahrnout: /docs/**/*.pdf /docs/guide.pdf, /docs/api/ref.pdf /docs/guide.md, /images/logo.png
Vyloučit dočasné soubory a zálohy Vyloučit: **/*.tmp, **/*.bak /docs/guide.md /data/cache.tmp, /old.bak
Vyloučit dočasné složky a zálohy Vyloučit: /temp/**, /backup/** /docs/guide.md /temp/file.txt, /backup/data.json
Indexujte dokumentaci, ale vynechte koncepty Zahrnout: /docs/**, Vyloučit: /docs/drafts/** /docs/guide.md /docs/drafts/wip.md
Omezení instance na jednoho tenanta Zahrnout: /customers/acme/** /customers/acme/report.pdf /customers/globex/report.pdf

Postup, jak dát každému tenantovi izolovanou instanci podloženou jedním sdíleným bucketem, najdete v Multitenancy.

Datový zdroj typu web

Případ použití Vzor Zaindexováno Přeskočeno
Indexujte pouze stránky blogu Zahrnout: **/blog/** example.com/blog/post, example.com/en/blog/article example.com/about
Vyloučit administrátorské stránky Vyloučit: **/admin/** example.com/blog/post example.com/admin/settings
Vyloučit přihlašovací stránky Vyloučit: **/login* example.com/blog/post example.com/login, example.com/auth/login-form
Indexujte dokumentaci, ale vynechte koncepty Zahrnout: **/docs/**, Vyloučit: **/docs/drafts/** example.com/docs/guide example.com/docs/drafts/wip

Formát API

Při použití API zadejte vzory v source_params:

{
	"source_params": {
		"include_items": ["<PATTERN_1>", "<PATTERN_2>"],
		"exclude_items": ["<PATTERN_1>", "<PATTERN_2>"]
	}
}