Google 开始对扫描文档进行索引

hoho

Google 宣布，他们即将对扫描文档进行索引并投入搜索。

这意味着极其庞大的处理资源，以及高级图象处理能力。和普通文本文件不同，扫描文档不包含任何文字数据供 Google 索引，相反，Google 使用 OCR 软件对扫描的文档进行辨认，并转换成文字内容。

过去，Google 也曾尝试索引这些扫描的文档图片，但只能对文件名，以及附近的元数据进行索引，对图片内容则无能为力。从现在开始，Google 搜索将包含这些通过 OCR 软件辨认出来的文字内容，用户在搜索中遇到扫描文档，Google 会提供选项，让你以 PDF 或 HTML 格式阅读。

这类技术早已存在，但准确性一直是个问题，同样，如此大规模的作业也不是一件容易事，这一举动将为搜索带来更多资源，尤其是来自印刷内容的搜索，如学术论文。

更多资料可以访问 Google 的博客。