Tipos de arquivos com suporte para extração de texto

O Cloud Search indexa todos os itens enviados, independentemente do tipo de arquivo (MIME ou content-type). A indexação é realizada nos dados de metadados de um arquivo e, se compatível, no conteúdo dele. A seguir, confira uma lista de tipos de arquivo em que a indexação de conteúdo é compatível.

  • Microsoft Word (DOC)
  • Microsoft Word (DOCX)
  • Microsoft Excel (XLS)
  • Microsoft Excel (XLSX)
  • Microsoft PowerPoint (PPT)
  • Microsoft PowerPoint (PPTX)
  • Formato de documento portátil (PDF) da Adobe
  • Formato Rich Text (RTF)
  • Formato de texto (TXT)
  • Linguagem de marcação de hipertexto (HTML)
  • Linguagem de marcação extensível (XML)

Além desses tipos de arquivo, o Cloud Search oferece suporte à indexação de conteúdo em qualquer arquivo de texto simples.

Tipos e características de arquivos de reconhecimento óptico de caracteres (OCR)

O Google Cloud Search também usa o OCR para extrair texto dos seguintes tipos de arquivo:

Tipo de arquivo Tamanho máximo
Joint Photographic Experts Group (JPG) 10 MB
Formato de troca de gráficos (GIF) 10 MB
Formato de arquivo de imagem com tag (TIFF) 10 MB
Gráficos vetoriais escaláveis (SVG) 10 MB
Formato de imagem PostScript (PS) 10 MB
Formato de documento portátil (PDF) 30 MB

O OCR também funciona em arquivos com estas características:

  • Documentos escritos à mão. Documentos em alfabeto latino, japonês e coreano geram os melhores resultados.
  • Documentos escritos verticalmente, como os em japonês.
  • Documentos escritos da direita para a esquerda, como o hebraico.