أنواع الملفات المتاحة لاستخراج النص

يفهرس Cloud Search جميع الملفات المرسَلة، بغض النظر عن نوعها (MIME أو نوع المحتوى). تتم عملية الفهرسة على بيانات الملف الوصفية ومحتواه، إذا كان ذلك ممكنًا. في ما يلي قائمة بأنواع الملفات التي يمكن فهرسة محتواها.

  • ‫Microsoft Word (ملف DOC)
  • ‫Microsoft Word (ملف DOCX)
  • ‫Microsoft Excel (ملف XLS)
  • ‫Microsoft Excel (ملف XLSX)
  • ‫Microsoft Powerpoint (ملف PPT)
  • ‫Microsoft Powerpoint (ملف PPTX)
  • ‫Adobe Portable Document Format (ملف PDF)
  • تنسيق نصوص منسّقة (ملف ‎.rtf)
  • تنسيق نص (ملف ‎.txt)
  • لغة ترميز النص الفائق (ملف HTML)
  • لغة ترميزية قابلة للامتداد (ملف XML)

بالإضافة إلى أنواع الملفات هذه، يتيح Cloud Search فهرسة المحتوى في أي ملف نصي عادي.

أنواع ملفات ميزة "التعرّف البصري على الأحرف" (OCR) وخصائصها

تستخدِم خدمة Google Cloud Search أيضًا ميزة "التعرّف البصري على الأحرف" لاستخراج النص من أنواع الملفات التالية:

نوع الملف الحجم الأكبر
‫Joint Photographic Experts Group (ملف JPG) ‫10 ميغابايت
‫Graphic Interchange Format (ملف GIF) ‫10 ميغابايت
‫Tagged Image File Format (ملف TIFF) ‫10 ميغابايت
‫رسومات موجّهة يمكن تغيير حجمها (SVG) ‫10 ميغابايت
‫PostScript Image Format (ملف PS) ‫10 ميغابايت
‫Portable Document Format (ملف PDF) ‫30 ميغابايت

تعمل ميزة "التعرّف البصري على الأحرف" أيضًا على الملفات التي تتضمّن هذه الخصائص:

  • المستندات المكتوبة بخط اليد: تقدّم المستندات المكتوبة بالخط اللاتيني والياباني والكوري أفضل النتائج.
  • المستندات المكتوبة عموديًا، مثل المستندات المكتوبة باللغة اليابانية
  • المستندات المكتوبة من اليمين إلى اليسار، مثل المستندات المكتوبة باللغة العبرية