対応ファイル形式

保存型アップロード

アップロード URL と確認ルート（POST /api/collections/:id/documents/upload-url および /confirm）は、ブラウザとサーバーで同じ検証規則（documentUploadRejection）を共有するため、アップロード前に受け付けられたファイルが後から名前やサイズで拒否されることはありません。

• 形式: pdf、docx（.doc を含む）、txt（.txt、.md、.text、または拡張子なしテキスト）、image（.png、.jpg、.jpeg、.gif、.webp）、csv、xlsx（.xls を含む）、および other（対応ファイルに展開されるアーカイブパッケージ専用）。それ以外の不明な拡張子はテキストとして誤読されず、アップロード前に拒否（unsupportedType）されます。
• 上限: ファイル名長 1〜500 文字（nameTooLong）、1 バイト以上のサイズ（empty）、最大サイズ 500 MiB（500 * 1024 * 1024 バイト、tooLarge）。

テキスト抽出

ディスカバリーと抽出がテキストを読むのは txt、pdf、docx、csv、xlsx です。画像は保存・閲覧が可能で、それ以外のバイナリは unsupported_format:<format> としてカタログに残ります。使えるテキストが無い PDF は no_extractable_text として残ります。パスワード付きファイルを Bundata が解除することはありません。

視覚順（左から右）でレイアウト要素が抽出されたヘブライ語 PDF については、PDF 抽出時およびセクションマップ構築時（document-topology/6）にヘブライ語行、数値、日付、条項コード、ラテン文字列が自動的に論理的な読み順へ修復されます。

非保持

別の非保持パスが受け付けるのは txt、csv、docx だけで、ファイル上限は 1,000,000 バイトです。PDF と画像は受け付けません。

取り下げた説明

このサイトは、Bundata が 65 種類以上のファイルに対応するとはもう述べません。メールコンテナ、プレゼンテーション、HTML はアップロード形式の列挙にありません。