Szöveg kibontása az Azure AI Search .msg e-mail fájljaiból

E-mail tartalmak feloldása az Azure AI Search segítségével

Az Azure AI Search képességeinek feltárása feltárja annak mélyreható hatását a felhőkörnyezetekben tárolt hatalmas mennyiségű adat kezelésében és keresésében. Pontosabban, amikor az Azure Storage blob-tárolókban lévő .msg e-mail fájlokkal foglalkoznak, a szakemberek nem csak a metaadatokhoz, hanem az e-mailek tényleges tartalmához is hatékony módokat keresnek. A folyamat magában foglalja az Azure AI hatékony indexelési funkcióinak kihasználását az e-mailek átvizsgálásához, amely feladat megköveteli a fájlok hatékony lekérdezésének megértését. Az e-mailek tartalmának kivonatolása és keresése, beleértve a törzset és a mellékleteket, új utakat nyit meg az adatelemzés, a megfelelőségi ellenőrzések és a betekintés gyűjtése terén.

Sokan azonban válaszút előtt állnak, amikor az alapvető metaadatoknál többet próbálnak lekérni – például a „Feladó”, „Címzett”, „Tárgy” és „Küldés dátuma” mezőket –, és azon töprengenek, hogyan lehet hozzáférni a dokumentum törzséhez és mellékleteihez. e-maileket. Ez a kihívás bevezeti az Azure Search képességeinek mélyebb megismerésének szükségességét, és további mezőket fedez fel, amelyek indexelhetők a keresési élmény gazdagítása érdekében. Az Azure AI Search hatékony e-mail-indexének és indexelőjének beállításának bonyolultsága nemcsak a technikai felkészültséget teszi próbára, hanem azt is, hogy képes-e navigálni a dokumentációban és kísérletezni a konfigurációkkal a kívánt eredmények elérése érdekében.

Szkript magyarázata és felhasználása

A biztosított szkriptek hidat képeznek az Azure AI Search képességei és az e-mailek tartalmának és mellékleteinek az Azure Blob Storage-ban tárolt .msg-fájlokból történő kibontása között. Az első szkript, amely az Azure Functions és az Azure Blob Storage SDK-kat használja, az Azure Cognitive Search „email-msg-index” nevű indexének lekérdezésére szolgál. Ez az index feltehetően .msg e-mail fájlokból kinyert metaadatokat tartalmaz. A szkript az Azure Cognitive Search könyvtár SearchClientjét használja, hogy keresési műveletet hajtson végre az indexelt dokumentumok között. A keresési műveletet széles körűre tervezték, amelyet a "*" keresési szöveg jelzi, ami azt jelenti, hogy az összes indexelt dokumentumot lekéri. A kiválasztott mezők, a "metadata_storage_path" és a "metadata_storage_name" kulcsfontosságúak, mivel ezek biztosítják az Azure Blob Storage-ban tárolt tényleges .msg-fájlok elérési útját. Miután megszerezte ezeket az útvonalakat, a szkript a BlobServiceClient segítségével éri el és tölti le ezeknek az .msg-fájloknak a tartalmát.

A második szkript a letöltött .msg e-mail fájlok feldolgozására összpontosít, hogy kibontsa a törzstartalmukat és a mellékleteiket. A szabványos Python "e-mail" könyvtárat használja az e-mail fájlok elemzéséhez. A BytesParser osztály beolvassa az .msg fájl tartalmát, amely bináris formátumban van, és EmailMessage objektummá alakítja. Ez az objektummodell lehetővé teszi az e-mail különböző részeinek egyszerű kibontását. Pontosabban, lekéri az e-mail törzsének egyszerű szöveges részét, és a mellékletek között iterál, és kibontja azok tartalmát. A mellékletek ezután Base64-be vannak kódolva a bináris adatok kezelésére, így könnyebben tárolhatók vagy továbbíthatók ASCII-szövegként. Mindkét szkript jól példázza, hogyan automatizálható az e-mail adatok lekérése és feldolgozása az Azure Storage-ból, bemutatva az Azure-szolgáltatások és a Python-szkriptek erejét a felhőben tárolt adatok hatékony kezelésében és elemzésében.

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

Az Azure AI .msg e-mail fájlok keresésének javítása

Az Azure AI Search integrálása az Azure Blob Storage-ban tárolt .msg e-mail fájlokkal kifinomult megoldást kínál az e-mail tartalmak eléréséhez és kereséséhez. Ez az integráció döntő fontosságú azon vállalkozások számára, amelyek nagymértékben támaszkodnak az e-mailes kommunikációra, és szükségük van betekintést nyerni vagy konkrét információk hatékony megtalálására. Ennek a funkciónak a lényege az Azure AI azon képességében rejlik, hogy hatalmas mennyiségű strukturálatlan adatot képes indexelni és keresni, beleértve az e-mail fájlok törzsét és mellékleteit. Ez a folyamat magában foglalja egy indexelő beállítását, amely képes olvasni, kibontani és indexelni az .msg-fájlok tartalmát, lehetővé téve a felhasználók számára, hogy részletes keresést végezzenek az e-mailek tartalma, nem csak a metaadatai alapján. Ez a képesség javítja az adatokhoz való hozzáférést, megkönnyítve a jogi kérések teljesítését, a belső auditok elvégzését, vagy egyszerűen a fontos kommunikációk megtalálását hatalmas adathalmazokban.

Az Azure AI Search .msg e-mail fájlok teljes kihasználásához elengedhetetlen a technikai részletek és korlátozások megértése. A rendszer megköveteli az Azure Search szolgáltatás megfelelő konfigurálását, beleértve egy egyéni index létrehozását az e-mail-keresés speciális igényeinek kielégítésére. Ez magában foglalhatja az alapértelmezett metaadatokon túli mezők meghatározását, például az e-mail törzséből és a mellékletekből kinyert tartalmat. Ezenkívül a keresési élmény optimalizálása megkövetelheti az Azure Functions vagy más Azure-szolgáltatások használatát az e-mailek előfeldolgozásához, a szöveges tartalom kibontásához és a mellékletek kereshető formátumokká alakításához. Ez a többrétegű megközelítés, amely az Azure Storage-ot, az Azure AI-keresést és az egyéni feldolgozási logikát egyesíti, hatékony eszközt hoz létre az e-mail adatok kezeléséhez és kereséséhez.