Einschränkungen bei der Textextraktion für große PDFs in Adobe Experience Manager as a Cloud Service (AEMaaCS)
Dieser Artikel behebt das Problem der unvollständigen Textextraktion für große PDF-Dokumente in Adobe Experience Manager as a Cloud Service (AEMaaCS) aufgrund von Zeichenbeschränkungen. Das Verhalten ist absichtlich und dient der Optimierung der Speicher- und Verarbeitungseffizienz. Es kann jedoch Workflows beeinträchtigen, für die eine Volltext-Extraktion erforderlich ist.
Beschreibung description
Umgebung
Adobe Experience Manager as a Cloud Service (AEMaaCS)
Problem
Bei der Verarbeitung großer PDF-Dokumente mit den vorkonfigurierten Asset-Verarbeitungsfunktionen von AEM ist die Textextraktion für umfangreiche PDF-Dateien, z. B. mit Hunderten von Seiten, unvollständig. Der extrahierte Text kann aufgrund einer Zeichenbeschränkung von 100.000 Zeichen vorzeitig beendet werden. Zu den Symptomen gehören:
- Die
/jcr:content/renditions/cqdam.text.txt-Datei für große PDFs enthält bei einem 580-seitigen PDF nur Text von bis zu etwa 108 Seiten. - Die Volltext-Extraktion ist aufgrund von Zeichenbeschränkungen eingeschränkt.
- Der Textextraktionsvorgang ist auf 100.000 Zeichen beschränkt.
- Nur wesentliche Abschnitte des Dokuments werden durch intelligente Zusammenfassungen extrahiert.
- Diese Einschränkung entspricht den Indizierungsfunktionen von Oak innerhalb von AEM und zielt auf die Optimierung der Speicher- und Verarbeitungseffizienz ab.
Lösung resolution
- Die Einschränkung ist beabsichtigt, um effiziente Verarbeitungszeiten und Kostenmanagement in AEM zu gewährleisten.
- Um diese Einschränkung zu beheben, wurde eine Verbesserungsanfrage (ASSETS-45872) für zukünftige AEM-Versionen ausgelöst, wodurch möglicherweise ein Worker eingeführt wird, der größere PDF-Dateien verarbeiten kann.
- Lesen Sie die AEM-Versionshinweise für Ankündigungen zu Änderungen oder Verbesserungen an der Textextraktion von PDF in kommenden Versionen.