使用 Elasticsearch 模糊匹配电子邮件或电话

Elasticsearch 提供了用于模糊匹配电子邮件地址和电话号码的内置功能。

电子邮件匹配

匹配以特定域名结尾的电子邮件地址（例如@gmail.com）：

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

或者，匹配包含特定字符串的电子邮件：

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

电话匹配

对于电话号码的模糊匹配，您可以使用以下模式：

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

这将匹配以“136”开头的所有电话号码。

性能优化

要提高模糊匹配的性能，请考虑使用利用 n-gram 或边缘 n 元词法过滤器。这些过滤器将文本分解为更小的标记，使 Elasticsearch 更容易执行模糊匹配。

电子邮件分析器配置：

{
  "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"
        }
      }
    }
  }
}

电话分析仪配置：

{
  "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"
          ]
        }
      }
    }
  }
}