Limitações de extração de texto para PDF grandes no Adobe Experience Manager as a Cloud Service (AEMaaCS)

Last update: Wed Feb 05 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Este artigo resolve o problema da extração de texto incompleta para documentos de PDF grandes no Adobe Experience Manager as a Cloud Service (AEMaaCS) devido a limitações de caracteres. O comportamento é intencional, projetado para otimizar a eficiência do armazenamento e do processamento, mas pode afetar os fluxos de trabalho que exigem extração de texto completo.

Descrição description

Ambiente

Adobe Experience Manager as a Cloud Service (AEMaaCS)

Problema

Ao processar documentos grandes de PDF com os recursos de processamento de ativos prontos para uso do AEM, a extração de texto está incompleta para PDF extensos, como aqueles que contêm centenas de páginas. O texto extraído pode terminar prematuramente devido a um limite de 100.000 caracteres. Os sintomas incluem:

O arquivo /jcr:content/renditions/cqdam.text.txt para PDF grandes contém somente texto de até aproximadamente 108 páginas para um PDF de 580 páginas.
A extração de texto completo está restrita devido a limitações de caracteres.
O processo de extração de texto é limitado a 100 mil caracteres.
Somente as seções essenciais do documento são extraídas por meio do resumo inteligente.
Essa limitação está alinhada aos recursos de indexação da Oak no AEM e tem como objetivo otimizar a eficiência do armazenamento e do processamento.

Resolução resolution

A limitação é por design para garantir tempos de processamento eficientes e gerenciamento de custos no AEM.
Uma solicitação de melhoria (ASSETS-45872) foi levantada para versões futuras do AEM para resolver essa limitação, possivelmente introduzindo um trabalhador capaz de processar arquivos PDF maiores.
Revise as notas de versão do AEM para obter anúncios sobre alterações ou melhorias na extração de texto do PDF em versões futuras.

recommendation-more-help

3d58f420-19b5-47a0-a122-5c9dab55ec7f