email - ElasticSearch Analyzer y Tokenizer para correos electrónicos

lucene

Question

No pude encontrar una solución perfecta en Google o ES para la siguiente situación, espero que alguien pueda ayudar aquí.

Supongamos que hay cinco direcciones de correo electrónico almacenadas en el campo "correo electrónico":

1. {"email": "[email protected]"}
2. {"email": "[email protected], [email protected]"}
3. {"email": "[email protected]"}
4. {"email": "[email protected]}
5. {"email": "[email protected]"}

Quiero cumplir los siguientes escenarios de búsqueda:

[Buscar -> Recibir]

"[email protected]" -> 1,2

"[email protected]" -> 2,4

"[email protected]" -> 5

"john.doe" -> 1,2,3,4

"john" -> 1,2,3,4,5

"gmail.com" -> 1,2

"outlook.com" -> 2,3,4

Los primeros tres emparejamientos son IMPRESCINDIBLES, y para el resto de ellos, cuanto más preciso, mejor. Ya he probado diferentes combinaciones de analizadores de índice / búsqueda, tokenizadores y filtros. También traté de trabajar en la condición para las consultas de coincidencia, pero no encontré una solución ideal, cualquier pensamiento es bienvenido, y no hay límite para las asignaciones, los analizadores, o qué clase de consulta usar, gracias.

Answer 1

Mapeo :

PUT /test
{
  "settings": {
    "analysis": {
      "filter": {
        "email": {
          "type": "pattern_capture",
          "preserve_original": 1,
          "patterns": [
            "([^@]+)",
            "(//p{L}+)",
            "(//d+)",
            "@(.+)",
            "([^-@]+)"
          ]
        }
      },
      "analyzer": {
        "email": {
          "tokenizer": "uax_url_email",
          "filter": [
            "email",
            "lowercase",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "emails": {
      "properties": {
        "email": {
          "type": "string",
          "analyzer": "email"
        }
      }
    }
  }
}

Datos de prueba :

POST /test/emails/_bulk
{"index":{"_id":"1"}}
{"email": "[email protected]"}
{"index":{"_id":"2"}}
{"email": "[email protected], [email protected]"}
{"index":{"_id":"3"}}
{"email": "[email protected]"}
{"index":{"_id":"4"}}
{"email": "[email protected]"}
{"index":{"_id":"5"}}
{"email": "[email protected]"}

Consulta para ser utilizado :

GET /test/emails/_search
{
  "query": {
    "term": {
      "email": "[email protected]"
    }
  }
}