Elasticsearch द्वारा ईमेल या टेलीफ़ोन का फ़ज़ी मिलान कैसे करें?

ऐसा करने का एक आसान तरीका एक कस्टम विश्लेषक बनाना है जो n-ग्राम टोकन फ़िल्टर ईमेल के लिए (=> नीचे देखें index_email_analyzer और search_email_analyzer + email_url_analyzer सटीक ईमेल मिलान के लिए) और edge-ngram टोकन फ़िल्टर फ़ोन के लिए (=> नीचे देखें index_phone_analyzer और search_phone_analyzer )।

पूर्ण अनुक्रमणिका परिभाषा नीचे उपलब्ध है।

PUT myindex
{
  "settings": {
    "analysis": {
      "analyzer": {
        "email_url_analyzer": {
          "type": "custom",
          "tokenizer": "uax_url_email",
          "filter": [ "trim" ]
        },
        "index_phone_analyzer": {
          "type": "custom",
          "char_filter": [ "digit_only" ],
          "tokenizer": "digit_edge_ngram_tokenizer",
          "filter": [ "trim" ]
        },
        "search_phone_analyzer": {
          "type": "custom",
          "char_filter": [ "digit_only" ],
          "tokenizer": "keyword",
          "filter": [ "trim" ]
        },
        "index_email_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [ "lowercase", "name_ngram_filter", "trim" ]
        },
        "search_email_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [ "lowercase", "trim" ]
        }
      },
      "char_filter": {
        "digit_only": {
          "type": "pattern_replace",
          "pattern": "\\D+",
          "replacement": ""
        }
      },
      "tokenizer": {
        "digit_edge_ngram_tokenizer": {
          "type": "edgeNGram",
          "min_gram": "1",
          "max_gram": "15",
          "token_chars": [ "digit" ]
        }
      },
      "filter": {
        "name_ngram_filter": {
          "type": "ngram",
          "min_gram": "1",
          "max_gram": "20"
        }
      }
    }
  },
  "mappings": {
    "your_type": {
      "properties": {
        "email": {
          "type": "string",
          "analyzer": "index_email_analyzer",
          "search_analyzer": "search_email_analyzer"
        },
        "phone": {
          "type": "string",
          "analyzer": "index_phone_analyzer",
          "search_analyzer": "search_phone_analyzer"
        }
      }
    }
  }
}

अब, आइए इसे एक के बाद एक थोड़ा-थोड़ा करके देखें।

phone के लिए फ़ील्ड, विचार फ़ोन मानों को index_phone_analyzer . के साथ अनुक्रमित करना है , जो फ़ोन नंबर के सभी उपसर्गों को अनुक्रमित करने के लिए एक एज-एनग्राम टोकननाइज़र का उपयोग करता है। तो अगर आपका फ़ोन नंबर 1362435647 है , निम्नलिखित टोकन तैयार किए जाएंगे:1 , 13 , 136 , 1362 , 13624 , 136243 , 1362435 , 13624356 , 13624356 , 136243564 , 1362435647 .

फिर खोज करते समय हम दूसरे विश्लेषक का उपयोग करते हैं search_phone_analyzer जो केवल इनपुट नंबर लेगा (उदा. 136 ) और इसे phone . से मिलाएँ एक साधारण match . का उपयोग करके फ़ील्ड या term क्वेरी:

POST myindex
{ 
    "query": {
        "term": 
            { "phone": "136" }
    }
}

email के लिए फ़ील्ड, हम उसी तरह आगे बढ़ते हैं, जिसमें हम ईमेल मानों को index_email_analyzer के साथ अनुक्रमित करते हैं , जो एक एनग्राम टोकन फिल्टर का उपयोग करता है, जो अलग-अलग लंबाई (1 और 20 वर्णों के बीच) के सभी संभावित टोकन का उत्पादन करेगा जिसे ईमेल मूल्य से लिया जा सकता है। उदाहरण के लिए:[email protected] j . के लिए टोकन किया जाएगा , jo , joh , ..., gmail.com , ..., [email protected] ।

फिर खोज करते समय, हम search_email_analyzer . नामक एक अन्य विश्लेषक का उपयोग करेंगे जो इनपुट लेगा और इसे अनुक्रमित टोकन के खिलाफ मिलान करने का प्रयास करेगा।

POST myindex
{ 
    "query": {
        "term": 
            { "email": "@gmail.com" }
    }
}

email_url_analyzer इस उदाहरण में विश्लेषक का उपयोग नहीं किया गया है, लेकिन मैंने इसे केवल तभी शामिल किया है जब आपको सटीक ईमेल मान से मिलान करने की आवश्यकता हो।