Fuzzy-Matching von E-Mails oder Telefonnummern mit Elasticsearch

Elasticsearch bietet integrierte Funktionen für den Fuzzy-Matching von E-Mail-Adressen und Telefonnummern.

E-Mail-Matching

Um E-Mail-Adressen abzugleichen, die mit einer bestimmten Domain enden (z. B. @gmail.com):

{
    "query": {
        "term": {
            "email": ".*@gmail.com"
        }
    }
}

Oder, um E-Mails abzugleichen, die eine bestimmte Zeichenfolge enthalten:

{
    "query": {
        "match": {
            "email": {
                "query": "sales@*",
                "operator": "and"
            }
        }
    }
}

Telefonabgleich

Für den Fuzzy-Abgleich von Telefonnummern können Sie das folgende Muster verwenden:

{
    "query": {
        "prefix": {
            "tel": "136*"
        }
    }
}

Hiermit werden alle Telefonnummern abgeglichen, die mit „136“ beginnen.

Leistungsoptimierung

Um die Leistung für Fuzzy-Matching zu verbessern, sollten Sie benutzerdefinierte Analysetools verwenden, die N-Gramm oder nutzen Edge-N-Gram-Token-Filter. Diese Filter zerlegen den Text in kleinere Token, sodass Elasticsearch den Fuzzy-Abgleich einfacher durchführen kann.

Email Analyzer-Konfiguration:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "email_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "name_ngram_filter",
            "trim"
          ]
        }
      },
      "filter": {
        "name_ngram_filter": {
          "type": "ngram",
          "min_gram": "3",
          "max_gram": "20"
        }
      }
    }
  }
}

Telefonanalysator-Konfiguration:

{
  "settings": {
    "analysis": {
      "analyzer": {
        "phone_analyzer": {
          "type": "custom",
          "char_filter": [
            "digit_only"
          ],
          "tokenizer": "digit_edge_ngram_tokenizer",
          "filter": [
            "trim"
          ]
        }
      },
      "char_filter": {
        "digit_only": {
          "type": "pattern_replace",
          "pattern": "\\D ",
          "replacement": ""
        }
      },
      "tokenizer": {
        "digit_edge_ngram_tokenizer": {
          "type": "edgeNGram",
          "min_gram": "3",
          "max_gram": "15",
          "token_chars": [
            "digit"
          ]
        }
      }
    }
  }
}