抓取哪些文件

• 只有 Discovery 支持的文档才会被抓取，其他文档都会被忽略。 有关详细信息，请参阅 支持的文件类型。
• 支持文件级安全。 启用此选项后，用户可以抓取和查询与登录 SharePoint 时相同的内容。 有关详细信息，请参阅 支持文档级安全性。
• 当重新抓取一个资源时，会添加新的文档，将更新的文档修改为当前版本，并将已删除的文档从集合索引中删除。
• 所有 Discovery 数据源连接器都是只读的。 无论向抓取账户授予何种权限，Discovery 都不会写入、更新或删除原始数据源中的任何内容。

数据源需求

除了所有已安装部署的 数据源要求 之外，您的 SharePoint On Prem 数据源必须满足以下要求：

• 数据源连接支持 SharePoint 2013、2016 或 2019。
• 您必须获得要连接的数据源所需的服务许可证。 有关许可证的更多信息，请联系数据源的系统管理员。

有关 SharePoint On Prem 的更多信息，请参阅 Microsoft SharePoint 开发人员文档。

必备步骤

在创建 SharePoint On Prem 集合之前，您必须执行以下操作：

1. 与 Sharepoint 管理员合作，协调设置网络应用程序的完全读取访问权限。

   有关详细信息，请参阅 管理 Sharepoint Server 中 Web 应用程序的权限。

2. 如果要启用文档级安全性，必须采取一些步骤进行设置。 有关详细信息，请参阅 支持文档级安全性。

   您必须从 LDAP 管理员那里收集以下信息：

   LDAP 服务器 URL

   LDAP服务器 URL 的连接地址，例如 ldap://<ldap_server>:<port>。

   LDAP 绑定用户名

   用于绑定目录服务的用户名。 在大多数情况下，此用户名是专有名称 (DN)。 登录名有时可能会使用 Active Directory。 但与一般的Windows登录不同，它区分大小写。 杰出名称总是有效的。

   LDAP 绑定用户密码

   用于绑定目录服务的密码。

   LDAP 基本 DN

   在LDAP中搜索用户条目的起点，例如 CN=Users,DC=example,DC=com。

   LDAP 用户过滤器

   用于在LDAP中搜索用户条目的用户过滤器。 如果未指定，缺省值为 (userPrincipalName={0})。

如果使用的是2.2.1或更早的版本，那么在连接到数据源之前，必须完成一些额外的前提任务。 有关详细信息，请参阅 SharePoint 关于以前版本的前提条件步骤。

连接到 SharePoint On Prem 数据源

请从您的 Discovery 项目开始，完成以下步骤：

1. 从导航窗格中，选择 管理集合。

2. 点击 “新收藏”。

3. 单击 SharePoint On Prem，然后单击 Next。

4. 为藏品命名。

5. 如果 SharePoint 中文档的语言不是英语，请选择适当的语言。

   有关受支持语言的列表，请参阅语言支持。

6. 可选：更改同步计划。

   有关详细信息，请参阅 爬行计划选项。

7. 在 Enter your credentials 部分，请填写以下字段：

   用户名

   SharePoint 用户有权访问所有需要抓取和索引的网站和列表。

   密码

   SharePoint 用户的密码。

   此值不会返回，仅在创建或修改凭据时使用。

8. 可选：如果要使用基于安全断言标记语言 (SAML) 声明的身份验证，请将 Enable SAML authentication 开关设置为 On。 否则，将使用 Windows NT LAN 管理器 (NTLM) 身份验证。 为以下字段添加值：

   身份供应商端点

   身份提供商终端的 URL，例如 https://adfs.server.example.com/adfs/services/trust/2005/UsernameMixed。

   依赖方端点

   可选。 受信方信任端点的 URL。 如果未指定，则使用以下值：https://<sharepoint_server>:<port>/_trust/。

   依赖方信任标识符

   例如，依赖方信任标识符的 URL 为 urn:sharepoint:sample。 如果未指定，则使用以下值：https://<sharepoint_server>:<port>/_trust/。 此功能在 2013、2016 和 2019 版本中可用。

9. 在 “指定要抓取的内容”部分，将 SharePoint 网络服务 URL 添加到 “Web应用程序网址”字段。 例如，https://<host>:<port>。

10. 可选：如果使用代理服务器访问数据源服务器，则在代理设置部分，将启用代理设置开关设置为 On。 为以下字段添加值：

    用户名

    可选。 代理服务器用户名（如果代理服务器需要验证）。 如果您不知道用户名，可以从代理服务器的管理员处获取。

    密码

    可选。 代理服务器密码（如果代理服务器需要验证）。 如果您不知道密码，可以从代理服务器的管理员处获取。

    代理服务器主机名或IP地址

    代理服务器的主机名或IP地址。

    代理服务器端口号

    您要在代理服务器上连接的网络端口。

11. 可选：如果要激活文档级安全性，请在安全性部分中，将启用文档级安全性开关设置为 On。

    启用此选项后，用户可以抓取和查询与登录 SharePoint 时相同的内容。 完成 前提步骤 以添加支持。

    启用该选项后，必须为以下字段提供值：

    LDAP 服务器 URL

    LDAP服务器 URL 的连接地址，例如 ldap://<ldap_server>:<port>。

    LDAP 绑定用户名

    用于绑定目录服务的用户名。 在大多数情况下，此用户名是专有名称 (DN)。 登录名有时可能会使用 Active Directory。 但与一般的Windows登录不同，它区分大小写。 杰出名称总是有效的。

    LDAP 绑定用户密码

    用于绑定目录服务的密码。

    LDAP 基本 DN

    在LDAP中搜索用户条目的起点，例如 CN=Users,DC=example,DC=com。

    LDAP 用户过滤器

    用于在LDAP中搜索用户条目的用户过滤器。 如果未指定，缺省值为 (userPrincipalName={0})。

12. 如果您希望爬虫从网站图片中提取文本，请展开 更多处理设置，并将 应用光学字符识别 (OCR) 设置为 On。

    启用 OCR 且文档包含图像时，处理时间会更长。 有关详细信息，请参阅 光学字符识别。

13. 单击完成。

该系列创建迅速。 当数据被添加到数据集中时，需要更多的时间来处理数据。

如果想查看进度，请进入活动页面。 在导航窗格中，单击 管理收藏，然后单击打开收藏。