Elasticsearchでメールや電話をあいまい一致させる方法は？

これを行う簡単な方法は、n-gramトークンフィルターメールの場合（=>以下のindex_email_analyzerを参照およびsearch_email_analyzer + email_url_analyzer 正確なメール照合用）および edge-ngramトークンフィルター電話の場合（=>以下のindex_phone_analyzerを参照およびsearch_phone_analyzer 。

完全なインデックス定義は以下にあります。

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"
        }
      }
    }
  }
}

それでは、次々と分析していきましょう。

phoneの場合フィールドでは、index_phone_analyzerを使用して電話の値にインデックスを付けるというアイデアがあります、電話番号のすべてのプレフィックスにインデックスを付けるために、edge-ngramトークナイザーを使用します。したがって、電話番号が1362435647の場合、次のトークンが生成されます：1 、13 、136 、1362 、13624 、136243 、1362435 、13624356 、13624356 、136243564 、1362435647 。

次に、検索するときに別のアナライザーsearch_phone_analyzerを使用します入力番号を取得するだけです（例：136 ）そしてそれをphoneと照合します単純なmatchを使用したフィールドまたはterm クエリ：

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

emailの場合フィールドでは、index_email_analyzerを使用してメール値にインデックスを付けるという点で同様の方法で処理します。、ngramトークンフィルターを使用します。これにより、電子メールの値から取得できるさまざまな長さ（1〜20文字）のすべての可能なトークンが生成されます。例：[email protected] jにトークン化されます、jo 、joh 、...、gmail.com 、...、[email protected] 。

次に、検索するときに、search_email_analyzerという別のアナライザーを使用しますこれは入力を受け取り、それをインデックス付きトークンと照合しようとします。

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

email_url_analyzer この例ではアナライザーは使用されていませんが、正確な電子メール値を一致させる必要がある場合に備えて、アナライザーを含めました。