Teksto ištraukimas iš .msg el. pašto failų „Azure AI Search“.

El. pašto turinio atrakinimas naudojant Azure AI paiešką

„Azure AI Search“ galimybių tyrinėjimas atskleidžia didelį jos poveikį valdant ir ieškant didžiulio duomenų kiekio, saugomo debesies aplinkoje. Tiksliau, dirbdami su .msg el. pašto failais Azure Storage blob konteineriuose, specialistai ieško veiksmingų būdų pasiekti ne tik metaduomenis, bet ir tikrąjį šių el. laiškų turinį. Šis procesas apima galingų Azure AI indeksavimo funkcijų panaudojimą, kad galėtumėte peržiūrėti el. laiškus – tai užduotis, kuri reikalauja suprasti, kaip efektyviai pateikti užklausą dėl šių failų. Galimybė išgauti ir ieškoti el. pašto turinio, įskaitant turinį ir priedus, atveria naujas duomenų analizės, atitikties patikrų ir įžvalgų rinkimo galimybes.

Tačiau daugelis atsiduria kryžkelėje, kai bando gauti daugiau nei pagrindinius metaduomenis, pvz., laukus „Nuo“, „Kam“, „Tema“ ir „Išsiuntimo data“, ir svarsto, kaip pasiekti teksto turinį ir priedus. laiškus. Dėl šio iššūkio reikia giliau pasinerti į „Azure Search“ galimybes, tyrinėjant papildomus laukus, kuriuos būtų galima indeksuoti, siekiant praturtinti paieškos patirtį. Veiksmingo el. pašto indekso ir indeksavimo priemonės „Azure AI Search“ nustatymo sudėtingumas ne tik išbando techninius gebėjimus, bet ir gebėjimą naršyti dokumentacijoje bei eksperimentuoti su konfigūracijomis, kad būtų pasiekti norimi rezultatai.

Scenarijaus paaiškinimas ir panaudojimas

Pateikti scenarijai yra tiltas tarp „Azure AI Search“ galimybių ir konkretaus poreikio išskirti el. pašto turinį ir priedus iš „Azure Blob Storage“ saugomų .msg failų. Pirmasis scenarijus, panaudojantis „Azure Functions“ ir „Azure Blob Storage“ SDK, skirtas „Azure Cognitive Search“ indeksui, pavadintam „email-msg-index“, pateikti užklausą. Tikriausiai šiame indekse yra metaduomenų, išskirtų iš .msg el. pašto failų. Scenarijus naudoja SearchClient iš Azure Cognitive Search bibliotekos, kad atliktų paieškos operaciją indeksuotuose dokumentuose. Paieškos operacija suprojektuota taip, kad ji būtų plati, pažymėta paieškos tekstu „*“, o tai reiškia, kad bus nuskaityti visi indeksuoti dokumentai. Pasirinkti laukai „metadata_storage_path“ ir „metadata_storage_name“ yra labai svarbūs, nes juose pateikiami keliai į tikrus „Azure Blob Storage“ saugomus .msg failus. Gavus šiuos kelius, scenarijus naudoja „BlobServiceClient“, kad pasiektų ir atsisiųstų šių .msg failų turinį.

Antrasis scenarijus skirtas atsisiųstų .msg el. pašto failų apdorojimui, siekiant išgauti jų turinį ir priedus. El. pašto failams analizuoti naudojama standartinė Python „el. pašto“ biblioteka. „BytesParser“ klasė skaito .msg failo turinį, kuris yra dvejetainiu formatu, ir konvertuoja jį į „EmailMessage“ objektą. Šis objekto modelis leidžia lengvai išgauti skirtingas el. laiško dalis. Tiksliau, jis nuskaito paprasto teksto el. laiško tekstą ir kartoja visus priedus, išskirdamas jų turinį. Tada priedai užkoduojami „Base64“, kad būtų galima apdoroti dvejetainius duomenis, todėl juos lengviau saugoti arba perduoti kaip ASCII tekstą. Abu scenarijai parodo, kaip automatizuoti el. pašto duomenų gavimą ir apdorojimą iš „Azure Storage“, parodydami „Azure“ paslaugų ir „Python“ scenarijų galią efektyviai tvarkant ir analizuojant debesyje saugomus duomenis.

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

„Azure AI“ .msg el. pašto failų paieškos tobulinimas

„Azure AI Search“ integravimas su „Azure Blob Storage“ saugomais .msg el. pašto failais siūlo sudėtingą sprendimą el. pašto turiniui pasiekti ir jo ieškoti. Ši integracija yra labai svarbi įmonėms, kurios labai priklauso nuo bendravimo el. paštu ir turi gauti įžvalgų arba efektyviai rasti konkrečią informaciją. Šios funkcijos esmė slypi Azure AI gebėjime indeksuoti ir ieškoti didžiuliuose nestruktūrizuotų duomenų kiekiuose, įskaitant el. pašto failų turinį ir priedus. Šis procesas apima indeksavimo priemonės, kuri gali nuskaityti, išgauti ir indeksuoti .msg failų turinį, nustatymą, leidžiantį vartotojams atlikti išsamias paieškas pagal el. laiškų turinį, o ne tik jų metaduomenis. Ši galimybė pagerina duomenų prieinamumą, palengvindama teisinių užklausų įvykdymą, vidinio audito atlikimą ar tiesiog didžiuliuose duomenų rinkiniuose paslėptų svarbių pranešimų paiešką.

Norint visiškai išnaudoti „Azure AI Search“ .msg el. pašto failams, būtina suprasti techninę informaciją ir apribojimus. Sistemai reikia tinkamos „Azure Search“ paslaugos konfigūracijos, įskaitant tinkinto indekso sukūrimą, kad būtų patenkinti specifiniai el. pašto paieškos poreikiai. Tai gali apimti laukų apibrėžimą už numatytųjų metaduomenų, pvz., turinio, ištraukto iš el. laiško turinio ir priedų. Be to, norint optimizuoti paieškos patirtį, gali tekti naudoti „Azure Functions“ arba kitas „Azure“ paslaugas, kad būtų galima iš anksto apdoroti el. laiškus, išgauti teksto turinį ir paversti priedus į paieškos formatus. Šis daugiasluoksnis metodas, sujungiantis „Azure Storage“, „Azure AI Search“ ir tinkintą apdorojimo logiką, sukuria galingą įrankį el. pašto duomenims valdyti ir ieškoti plačiu mastu.