支持文本提取的文件类型

无论文件类型如何,Cloud Search 都会将发送的所有内容编入索引 (MIME 或 content-type)。索引是针对文件的元数据数据执行的,并且 其内容(如果支持)。以下是内容类型列表 支持编入索引。

  • Microsoft Word(文档)
  • Microsoft Word (DOCX)
  • Microsoft Excel (XLS)
  • Microsoft Excel (XLSX)
  • Microsoft PowerPoint (PPT)
  • Microsoft PowerPoint (PPTX)
  • Adobe 便携式文档格式 (PDF)
  • 富文本格式 (RTF)
  • 文本格式 (TXT)
  • 超文本标记语言 (HTML)
  • 可扩展标记语言 (XML)

除了这些文件类型之外,Cloud Search 还支持将内容编入索引 任何纯文本文件内。

光学字符识别 (OCR) 文件类型和特征

Google Cloud Search 还会使用 OCR 从以下类型的文件中提取文本:

文件类型 大小上限
联合图像专家组 (JPG) 10 MB
图形交换格式 (GIF) 10 MB
标记图像文件格式 (TIFF) 10 MB
可缩放矢量图形 (SVG) 10 MB
PostScript 图片格式 (PS) 10 MB
便携式文档格式 (PDF) 30 MB

OCR 也适用于具有以下特征的文件:

  • 手写文档。拉丁字母、日语和韩语文档收益 以获得最佳结果。
  • 纵向撰写的文档,如日语文档。
  • 从右到左书写的文档,如希伯来语。