文本提取支持的文件类型

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

  • 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中的内容编入索引。

光学字符识别 (OCR) 文件类型和特征

Google Cloud Search 还使用 OCR 从以下文件类型中提取文本：

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
带标记的图片文件格式 (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：

  • 手写文件。使用拉丁字母、日语和韩语的文档效果最好。
  • 垂直撰写的文档，例如日语文档。
  • 从右至左写入的文档，例如希伯来语。