支持文本提取的文件类型

无论文件类型（MIME 或 content-type）如何，Cloud Search 都会将发送的所有项编入索引。系统会对文件的元数据数据及其内容（如果支持）执行索引编制。下面列出了支持内容索引的文件类型。

  • Microsoft Word (DOC)
  • Microsoft Word (DOCX)
  • Microsoft Excel (XLS)
  • Microsoft Excel (XLSX)
  • Microsoft PowerPoint (PPT)
  • Microsoft PowerPoint (PPTX)
  • Adobe 的便携式文档格式 (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)

除了这些文件类型外，Cloud Search 还支持将任何纯文本文件中的内容编入索引。

光学字符识别 (OCR) 文件类型和特性

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
联合图像专家小组 (JPG) 10 MB
图形交换格式 (GIF) 10 MB
标记图片文件格式 (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、日语和韩语文档的结果最好。
  • 纵向编写的文档，例如日语文档。
  • 从右至左书写的文档，例如希伯来语。