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。