支持文本提取的文件类型

Cloud Search 会为发送的所有内容编入索引，无论文件类型（MIME 或内容类型）如何。系统会对文件的元数据数据以及（如果支持）其内容进行编入索引。下方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)

除了这些文件类型之外，Cloud Search 还支持对任何纯文本文件中的内容编入索引。

光学字符识别 (OCR) 文件类型和特征

Google Cloud 搜索还使用 OCR 技术从以下文件类型中提取文本：

文件类型 大小上限
联合摄影专家组 (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 还适用于具有以下特征的文件：

  • 手写文档。以拉丁字母、日语和韩语撰写的文档可获得最佳结果。
  • 纵向编写的文档，例如日语文档。
  • 从右到左书写的文档，例如希伯来语。