Indexación de datos de bibliotecas de documentos de SharePoint en Azure AI Search

En este artículo, te guiaré a través de la configuración de un indexador en Azure AI Search para indexar documentos almacenados en bibliotecas de documentos de SharePoint Online. Además, cubriremos los requisitos previos, las limitaciones y consideraciones que debes tener en cuenta antes de implementar esta solución.

Configuración paso a paso

Paso 1: Crear un SPN en Microsoft Entra ID

Para que el indexador se autentique en SharePoint Online, debes crear un Service Principal Name (SPN). Sigue estos pasos:

• Inicia sesión en el portal de Azure.
• Navega a Microsoft Entra ID > App registrations > New registration.
• Proporciona un nombre, selecciona Single tenant y registra la aplicación.
• En API permissions, añade los permisos:
  • Application permissions: Files.Read.All, Sites.Read.All.
• Concede consentimiento de administrador si es necesario.
• En Authentication, activa Allow public client flows y guarda.
• Crea un Client secret y guarda el secreto generado.

Paso 2: Crear la fuente de datos en Azure AI Search

Ejecuta el siguiente comando curl para crear una fuente de datos desde SharePoint Online:

curl -X POST "https://[service name].search.windows.net/datasources?api-version=2024-05-01-preview" \
-H "Content-Type: application/json" \
-H "api-key: [API Key]" \
-d '{
    "name": "sharepoint-datasource",
    "type": "sharepoint",
    "credentials": {
        "connectionString": "SharePointOnlineEndpoint=[SharePoint URL];ApplicationId=[Client ID SPN];ApplicationSecret=[Secret SPN];TenantId=[Tenant ID]"
    },
    "container": {
        "name": "defaultSiteLibrary",
        "query": null
    }
}'

Paso 3: Crear el índice en Azure AI Search

Crea el índice donde se almacenarán los datos indexados:

curl -X PUT "https://[service name].search.windows.net/indexes/sharepoint-index?api-version=2024-05-01-preview" \
-H "Content-Type: application/json" \
-H "api-key: [API Key]" \
-d '{
    "name": "sharepoint-index",
    "fields": [
        { "name": "id", "type": "Edm.String", "key": true, "searchable": false },
        { "name": "metadata_spo_item_name", "type": "Edm.String", "searchable": true },
        { "name": "metadata_spo_item_content_type", "type": "Edm.String", "filterable": true },
        { "name": "content", "type": "Edm.String", "searchable": true }
    ]
}'

Paso 4: Crear el indexador en Azure AI Search

Crea un indexador para automatizar la recolección de datos desde SharePoint:

curl -X POST "https://[service name].search.windows.net/indexers?api-version=2024-05-01-preview" \
-H "Content-Type: application/json" \
-H "api-key: [API Key]" \
-d '{
    "name": "sharepoint-indexer",
    "dataSourceName": "sharepoint-datasource",
    "targetIndexName": "sharepoint-index",
    "parameters": {
        "configuration": {
            "indexedFileNameExtensions": ".pdf, .docx",
            "excludedFileNameExtensions": ".png, .jpg",
            "dataToExtract": "contentAndMetadata"
        }
    },
    "schedule": {
        "interval": "PT1H"
    },
    "fieldMappings": [
        {
            "sourceFieldName": "metadata_spo_site_library_item_id",
            "targetFieldName": "id",
            "mappingFunction": { "name": "base64Encode" }
        }
    ]
}'

Paso 5: Verificar el estado del indexador

Para comprobar el estado de tu indexador, usa este comando:

 

curl -X GET "https://[service name].search.windows.net/indexers/sharepoint-indexer/status?api-version=2024-05-01-preview" \
-H "Content-Type: application/json" \
-H "api-key: [API Key]"

Conclusión

Este proceso te permite indexar documentos de SharePoint Online en Azure AI Search, lo que proporciona una búsqueda rápida y eficiente de contenido almacenado en bibliotecas de documentos. Asegúrate de revisar las limitaciones y probar adecuadamente en entornos de desarrollo antes de su implementación en producción

Más información