استخراج النص من ملفات البريد الإلكتروني .msg في Azure AI Search

فتح محتوى البريد الإلكتروني باستخدام بحث Azure AI

يكشف استكشاف إمكانيات Azure AI Search عن تأثيره العميق على الإدارة والبحث من خلال كميات هائلة من البيانات المخزنة في البيئات السحابية. على وجه التحديد، عند التعامل مع ملفات البريد الإلكتروني .msg في حاويات Azure Storage blob، يبحث المحترفون عن طرق فعالة ليس فقط للوصول إلى بيانات التعريف ولكن أيضًا إلى المحتوى الفعلي داخل رسائل البريد الإلكتروني هذه. تتضمن العملية الاستفادة من ميزات الفهرسة القوية في Azure AI للتدقيق في رسائل البريد الإلكتروني، وهي مهمة تتطلب فهم كيفية الاستعلام عن هذه الملفات بشكل فعال. تفتح القدرة على استخراج محتوى البريد الإلكتروني والبحث فيه، بما في ذلك النص والمرفقات، طرقًا جديدة لتحليل البيانات وفحوصات الامتثال وجمع الأفكار.

ومع ذلك، يجد الكثيرون أنفسهم عند مفترق طرق عند محاولة استرداد ما هو أكثر من البيانات التعريفية الأساسية - مثل الحقول "من"، و"إلى"، و"الموضوع"، و"تاريخ الإرسال" - ويتساءلون عن كيفية الوصول إلى نص الرسالة ومرفقاتها. رسائل البريد الإلكتروني. يقدم هذا التحدي الحاجة إلى التعمق أكثر في إمكانيات Azure Search، واستكشاف الحقول الإضافية التي يمكن فهرستها لإثراء تجربة البحث. إن تعقيدات إعداد فهرس بريد إلكتروني فعال ومفهرس في Azure AI Search لا تختبر فقط البراعة التقنية للشخص ولكن أيضًا قدرته على التنقل عبر الوثائق وتجربة التكوينات لتحقيق النتائج المرجوة.

شرح البرنامج النصي والاستفادة منه

تعمل البرامج النصية المقدمة كجسر بين إمكانيات Azure AI Search والحاجة المحددة لاستخراج محتويات البريد الإلكتروني ومرفقاته من ملفات .msg المخزنة في Azure Blob Storage. تم تصميم البرنامج النصي الأول، الذي يستفيد من وظائف Azure ومجموعات SDK لتخزين Azure Blob، للاستعلام عن فهرس Azure Cognitive Search المسمى "email-msg-index". من المفترض أن يحتوي هذا الفهرس على بيانات تعريف مستخرجة من ملفات البريد الإلكتروني بتنسيق .msg. يستخدم البرنامج النصي SearchClient من مكتبة Azure Cognitive Search لتنفيذ عملية بحث عبر المستندات المفهرسة. تم تصميم عملية البحث لتكون واسعة النطاق، ويشار إليها بنص البحث "*"، مما يعني أنها ستقوم باسترجاع كافة المستندات المفهرسة. تعد الحقول المحددة، "metadata_storage_path" و"metadata_storage_name"، ضرورية لأنها توفر المسارات إلى ملفات .msg الفعلية المخزنة في Azure Blob Storage. بمجرد الحصول على هذه المسارات، يستخدم البرنامج النصي BlobServiceClient للوصول إلى محتوى ملفات .msg هذه وتنزيلها.

يركز البرنامج النصي الثاني على معالجة ملفات البريد الإلكتروني .msg التي تم تنزيلها لاستخراج محتوى نصها ومرفقاتها. يستخدم مكتبة "البريد الإلكتروني" القياسية لـ Python لتحليل ملفات البريد الإلكتروني. تقرأ فئة BytesParser محتوى الملف .msg، الموجود بتنسيق ثنائي، وتحوله إلى كائن EmailMessage. يسمح نموذج الكائن هذا باستخراج أجزاء مختلفة من البريد الإلكتروني بسهولة. على وجه التحديد، يقوم باسترداد جزء النص العادي من نص البريد الإلكتروني ويكرره على أي مرفقات، ويستخرج محتواها. يتم بعد ذلك تشفير المرفقات في Base64 للتعامل مع البيانات الثنائية، مما يسهل تخزينها أو إرسالها كنص ASCII. يوضح كلا البرنامجين كيفية أتمتة عملية استرجاع ومعالجة بيانات البريد الإلكتروني من Azure Storage، مما يعرض قوة خدمات Azure والبرمجة النصية Python في التعامل مع البيانات المخزنة على السحابة وتحليلها بكفاءة.

import azure.functions as func
import azure.storage.blob as blob
import os
from azure.core.credentials import AzureKeyCredential
from azure.search.documents import SearchClient

def main(req: func.HttpRequest) -> func.HttpResponse:
    search_client = SearchClient(endpoint="{search-service-endpoint}", index_name="email-msg-index", credential=AzureKeyCredential("{api-key}"))
    results = search_client.search(search_text="*", select="metadata_storage_path, metadata_storage_name")
    for result in results:
        blob_service_client = blob.BlobServiceClient.from_connection_string("{storage-account-connection-string}")
        blob_client = blob_service_client.get_blob_client(container="{container-name}", blob=result["metadata_storage_name"])
        print(blob_client.download_blob().readall())
    return func.HttpResponse("Email bodies retrieved successfully.", status_code=200)

import email
import base64
from email import policy
from email.parser import BytesParser

def extract_email_body_and_attachments(blob_content):
    msg = BytesParser(policy=policy.default).parsebytes(blob_content)
    body = msg.get_body(preferencelist=('plain')).get_content()
    attachments = []
    for attachment in msg.iter_attachments():
        attachment_content = attachment.get_content()
        if isinstance(attachment_content, str):
            attachment_content = base64.b64encode(attachment_content.encode()).decode()
        attachments.append({"filename": attachment.get_filename(), "content": attachment_content})
    return body, attachments

تحسين بحث Azure AI عن ملفات البريد الإلكتروني بتنسيق .msg

يوفر دمج Azure AI Search مع ملفات البريد الإلكتروني .msg المخزنة في Azure Blob Storage حلاً متطورًا للوصول إلى محتوى البريد الإلكتروني والبحث فيه. يعد هذا التكامل أمرًا بالغ الأهمية للشركات التي تعتمد بشكل كبير على التواصل عبر البريد الإلكتروني وتحتاج إلى استخلاص الرؤى أو تحديد موقع معلومات محددة بكفاءة. يكمن جوهر هذه الوظيفة في قدرة Azure AI على الفهرسة والبحث من خلال كميات هائلة من البيانات غير المنظمة، بما في ذلك نص ملفات البريد الإلكتروني ومرفقاتها. تتضمن هذه العملية إعداد مفهرس يمكنه قراءة محتوى ملفات .msg واستخراجه وفهرسته، مما يسمح للمستخدمين بإجراء عمليات بحث تفصيلية بناءً على محتوى رسائل البريد الإلكتروني، وليس فقط بيانات التعريف الخاصة بهم. تعمل هذه الإمكانية على تحسين إمكانية الوصول إلى البيانات، مما يسهل الامتثال للطلبات القانونية أو إجراء عمليات التدقيق الداخلي أو ببساطة العثور على اتصالات مهمة مدفونة في مجموعات بيانات ضخمة.

للاستفادة الكاملة من Azure AI Search لملفات البريد الإلكتروني ‎.msg، يعد فهم التفاصيل الفنية والقيود أمرًا ضروريًا. يتطلب النظام تكوينًا مناسبًا لخدمة Azure Search، بما في ذلك إنشاء فهرس مخصص لاستيعاب الاحتياجات المحددة للبحث في البريد الإلكتروني. قد يتضمن ذلك تحديد حقول تتجاوز بيانات التعريف الافتراضية، مثل المحتوى المستخرج من نص البريد الإلكتروني والمرفقات. علاوة على ذلك، قد يتطلب تحسين تجربة البحث استخدام وظائف Azure أو خدمات Azure الأخرى لمعالجة رسائل البريد الإلكتروني مسبقًا، واستخراج محتوى النص، وتحويل المرفقات إلى تنسيقات قابلة للبحث. يؤدي هذا النهج متعدد الطبقات، الذي يجمع بين Azure Storage وAzure AI Search ومنطق المعالجة المخصص، إلى إنشاء أداة قوية لإدارة بيانات البريد الإلكتروني والبحث فيها على نطاق واسع.