Ett enkelt sätt att göra detta är att skapa en anpassad analysator som använder n-gram tokenfilter
för e-postmeddelanden (=> se nedan index_email_analyzer och search_email_analyzer + email_url_analyzer för exakt e-postmatchning) och edge-ngram tokenfilter
för telefoner (=> se nedan index_phone_analyzer och search_phone_analyzer ).
Den fullständiga indexdefinitionen finns tillgänglig nedan.
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"
}
}
}
}
}
Låt oss nu dissekera den ena biten efter den andra.
För phone fältet är tanken att indexera telefonvärden med index_phone_analyzer , som använder en edge-ngram tokenizer för att indexera alla prefix för telefonnumret. Så om ditt telefonnummer är 1362435647 , kommer följande tokens att produceras:1 , 13 , 136 , 1362 , 13624 , 136243 , 1362435 , 13624356 , 13624356 , 136243564 , 1362435647 .
När vi sedan söker använder vi en annan analysator search_phone_analyzer som helt enkelt tar det inmatade numret (t.ex. 136 ) och matcha den mot phone fält med en enkel match eller term fråga:
POST myindex
{
"query": {
"term":
{ "phone": "136" }
}
}
För email fältet fortsätter vi på liknande sätt, genom att vi indexerar e-postvärdena med index_email_analyzer , som använder ett ngram-tokenfilter, som kommer att producera alla möjliga tokens av varierande längd (mellan 1 och 20 tecken) som kan tas från e-postvärdet. Till exempel:[email protected] kommer att tokeniseras till j , jo , joh , ..., gmail.com , ..., [email protected] .
När vi sedan söker använder vi en annan analysator som heter search_email_analyzer som tar ingången och försöker matcha den mot de indexerade tokens.
POST myindex
{
"query": {
"term":
{ "email": "@gmail.com" }
}
}
email_url_analyzer analysator används inte i det här exemplet men jag har inkluderat det ifall du behöver matcha det exakta e-postvärdet.