Prostym sposobem na to jest stworzenie własnego analizatora, który korzysta z filtr tokenów n-gram
dla e-maili (=> patrz poniżej index_email_analyzer
i search_email_analyzer
+ email_url_analyzer
dla dokładnego dopasowania e-maili) i edge-ngram filtr tokenów
dla telefonów (=> patrz poniżej index_phone_analyzer
i search_phone_analyzer
).
Pełna definicja indeksu jest dostępna poniżej.
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"
}
}
}
}
}
Teraz przyjrzyjmy się temu kawałek po kawałku.
Dla phone
pole, pomysł polega na indeksowaniu wartości telefonu za pomocą index_phone_analyzer
, który używa tokenizera edge-ngram w celu indeksowania wszystkich prefiksów numeru telefonu. Więc jeśli Twój numer telefonu to 1362435647
, zostaną wygenerowane następujące tokeny:1
, 13
, 136
, 1362
, 13624
, 136243
, 1362435
, 13624356
, 13624356
, 136243564
, 1362435647
.
Następnie podczas wyszukiwania używamy innego analizatora search_phone_analyzer
który po prostu przyjmie numer wejściowy (np. 136
) i dopasuj go do phone
pole za pomocą prostego match
lub term
zapytanie:
POST myindex
{
"query": {
"term":
{ "phone": "136" }
}
}
Dla email
w polu, postępujemy w podobny sposób, w którym wartości e-mail indeksujemy za pomocą index_email_analyzer
, który wykorzystuje filtr tokenów ngram, który wygeneruje wszystkie możliwe tokeny o różnej długości (od 1 do 20 znaków), które można pobrać z wartości wiadomości e-mail. Na przykład:[email protected]
zostanie ztokenizowany do j
, jo
, joh
, ..., gmail.com
, ..., [email protected]
.
Następnie podczas wyszukiwania użyjemy innego analizatora o nazwie search_email_analyzer
który pobierze dane wejściowe i spróbuje dopasować je do zindeksowanych tokenów.
POST myindex
{
"query": {
"term":
{ "email": "@gmail.com" }
}
}
email_url_analyzer
Analizator nie jest używany w tym przykładzie, ale dodałem go na wypadek, gdybyś musiał dopasować dokładną wartość adresu e-mail.