SharePoint Search Service: reglas de rastreo con regex para tipos de archivo

Tarea: configurar SharePoint Search Service para que solo muestre páginas de los siguientes tipos: documentos (.doc/.docx/.pdf), tablas (.xls, .xlsx) y páginas aspx (.aspx).

Instrucciones:

1. Primero, necesitas componer una regex para resolver tu tarea. En mi caso, la regex sería:

  http://<host>/.*(.aspx|.doc(x)?|.xls(x)?|.pdf)

Recomiendo usar el sitio, muy útil, https://regex101.com/ para componer y probar tus expresiones regulares.

2. Copia tu regex y navega a SharePoint Admin Center → Services, busca el servicio de búsqueda y ve a Manage → Crawl Rules. Añade una nueva regla de rastreo con el tipo de inclusión (ATENCIÓN: elimina las barras invertidas de la regex que obtuviste en el paso 1). ¡Activa la casilla Follow complex URLs also!

3. Haz clic en guardar. En la página donde añadiste la nueva regla, también puedes probar algunos enlaces y ver si la página quedará cubierta por esta regla. Por ejemplo:

4. Además, tienes que añadir una regla de exclusión global para todas las fuentes de contenido, con menor prioridad que las reglas de inclusión (ATENCIÓN: añade reglas de inclusión y exclusión para todas las fuentes de contenido). En mi caso, la regex de la regla de exclusión será:

https://host/.*

5. Guarda todas las reglas y ejecuta un escaneo completo del índice. Comprueba las páginas rastreadas en el registro de rastreo.
6. ¡PROFIT!