Есть ли способ использовать подключаемый модуль загрузки вложений с Elastic App Search?

Я работаю над порталом, на котором размещены различные типы документации (HTML, PDF, PPTx, DocX) и все они доступны для поиска в одном месте.

Мы могли бы добиться этого, используя «стандартный» из коробки ElasticSearch и плагин Ingest Attachment, но я не специалист по данным и очень мало знаю о написании запросов Elastic, поэтому результаты нашего поиска невелики.

Мне рекомендовали использовать корпоративный поиск приложений вместо того, чтобы пытаться настроить мои основные запросы, но, похоже, я не могу использовать с ним подключаемый модуль загрузки вложений? В результате я не могу использовать простую отправку содержимого в кодировке base64 в API документов и ожидать, что содержимое будет проиндексировано.

Есть ли способ обойти это? Или я не смогу использовать для этого поиск приложений??

Ответом на этот вопрос является извлечение содержимого вложения либо путем использования конвейера вложений, как это предлагается в этом сообщении в блоге или, если у вас есть бэкенд на Java, как у меня, вы можете использовать Апач Тика самостоятельно извлекать содержимое из вложений.

Я реализовал Tika для извлечения содержимого HTML (на самом деле это очень просто)

static String getContent (String htmlContent) выдает TikaException, SAXException, IOException {
    InputStream input = новый ByteArrayInputStream(htmlContent.getBytes());
    Обработчик ContentHandler = new BodyContentHandler();
    Метаданные метаданных = новые метаданные();
    новый HtmlParser().parse(ввод, обработчик, метаданные, новый ParseContext());
    обработчик возврата.toString();
}

Для файлов PDF я уже использовал Apache PdfBox для извлечения некоторых других свойств, поэтому текст был получен «бесплатно».То же самое для файлов Office, но для этого требуется Apache Poi.