Un modo semplice per farlo è creare un analizzatore personalizzato che utilizzi filtro token n-gram
per le email (=> vedi sotto index_email_analyzer e search_email_analyzer + email_url_analyzer per l'esatta corrispondenza e-mail) e edge-ngram filtro token
per telefoni (=> vedi sotto index_phone_analyzer e search_phone_analyzer ).
La definizione completa dell'indice è disponibile di seguito.
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"
}
}
}
}
}
Ora analizziamolo un po' dopo l'altro.
Per il phone campo, l'idea è di indicizzare i valori del telefono con index_phone_analyzer , che utilizza un tokenizzatore edge-ngram per indicizzare tutti i prefissi del numero di telefono. Quindi, se il tuo numero di telefono è 1362435647 , verranno prodotti i seguenti token:1 , 13 , 136 , 1362 , 13624 , 136243 , 1362435 , 13624356 , 13624356 , 136243564 , 1362435647 .
Quindi durante la ricerca utilizziamo un altro analizzatore search_phone_analyzer che prenderà semplicemente il numero di input (ad es. 136 ) e confrontalo con il phone campo utilizzando una semplice match o term domanda:
POST myindex
{
"query": {
"term":
{ "phone": "136" }
}
}
Per l'email campo, procediamo in modo simile, in quanto indicizziamo i valori delle email con il index_email_analyzer , che utilizza un filtro token ngram, che produrrà tutti i possibili token di lunghezza variabile (tra 1 e 20 caratteri) che possono essere presi dal valore dell'e-mail. Ad esempio:[email protected] sarà tokenizzato in j , jo , joh , ..., gmail.com , ..., [email protected] .
Quindi, durante la ricerca, utilizzeremo un altro analizzatore chiamato search_email_analyzer che prenderà l'input e proverà a confrontarlo con i token indicizzati.
POST myindex
{
"query": {
"term":
{ "email": "@gmail.com" }
}
}
L'email_url_analyzer Analyzer non viene utilizzato in questo esempio, ma l'ho incluso nel caso in cui sia necessario corrispondere al valore esatto dell'e-mail.
