Correspondance floue d'adresses e-mail ou de téléphone à l'aide d'Elasticsearch

Elasticsearch offre des fonctionnalités intégrées pour la correspondance floue d'adresses e-mail et de numéros de téléphone.

Correspondance d'e-mails

Pour faire correspondre les adresses e-mail se terminant par un domaine spécifique (par exemple, @gmail.com) :

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

Ou, pour faire correspondre les e-mails contenant une chaîne spécifique :

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

Correspondance téléphonique

Pour une correspondance approximative des numéros de téléphone, vous pouvez utiliser le modèle suivant :

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

Cela fera correspondre tous les numéros de téléphone commençant par « 136 ».

Optimisation des performances

Pour améliorer les performances de la correspondance floue, envisagez d'utiliser des analyseurs personnalisés qui exploitent n-gram ou filtres de jetons Edge N-gram. Ces filtres décomposent le texte en jetons plus petits, ce qui permet à Elasticsearch d'effectuer plus facilement une correspondance floue.

Configuration de l'analyseur d'e-mail :

{
  "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"
        }
      }
    }
  }
}

Configuration de l'analyseur téléphonique :

{
  "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"
          ]
        }
      }
    }
  }
}