Teksta izvilkšana no .msg e-pasta failiem pakalpojumā Azure AI Search

E-pasta satura atbloķēšana, izmantojot Azure AI meklēšanu

Izpētot Azure AI Search iespējas, atklājas tās nozīmīgā ietekme uz mākoņa vidē saglabāto datu pārvaldību un meklēšanu. Konkrēti, strādājot ar .msg e-pasta failiem Azure Storage blob konteineros, profesionāļi meklē efektīvus veidus, kā piekļūt ne tikai metadatiem, bet arī šo e-pasta ziņojumu faktiskajam saturam. Process ietver Azure AI jaudīgo indeksēšanas funkciju izmantošanu, lai izsijātu e-pastus. Šis uzdevums prasa izpratni par to, kā efektīvi vaicāt šos failus. Iespēja izvilkt un meklēt e-pasta saturu, tostarp pamattekstu un pielikumus, paver jaunas iespējas datu analīzei, atbilstības pārbaudēm un ieskatu apkopošanai.

Tomēr daudzi atrodas krustcelēs, mēģinot izgūt vairāk nekā pamata metadatus, piemēram, laukus “No”, “Līdz”, “Tēma” un “Nosūtīšanas datums”, un domā, kā piekļūt dokumenta pamattekstam un pielikumiem. e-pastiem. Šis izaicinājums rada nepieciešamību dziļāk izpētīt Azure Search iespējas, izpētot papildu laukus, kurus varētu indeksēt, lai bagātinātu meklēšanas pieredzi. Efektīva e-pasta indeksa un indeksētāja iestatīšanas sarežģītība pakalpojumā Azure AI Search ne tikai pārbauda cilvēka tehniskās spējas, bet arī spēju pārvietoties dokumentācijā un eksperimentēt ar konfigurācijām, lai sasniegtu vēlamos rezultātus.

Skripta skaidrojums un izmantošana

Nodrošinātie skripti kalpo kā tilts starp Azure AI Search iespējām un īpašo nepieciešamību izvilkt e-pasta saturu un pielikumus no .msg failiem, kas glabājas Azure Blob Storage. Pirmais skripts, kurā tiek izmantotas Azure Functions un Azure Blob Storage SDK, ir izstrādāts, lai vaicātu Azure kognitīvās meklēšanas indeksā ar nosaukumu "email-msg-index". Iespējams, ka šajā rādītājā ir metadati, kas iegūti no .msg e-pasta failiem. Skripts izmanto SearchClient no Azure Cognitive Search bibliotēkas, lai izpildītu meklēšanas darbību indeksētajos dokumentos. Meklēšanas darbība ir veidota tā, lai tā būtu plaša, un to norāda meklēšanas teksts "*", kas nozīmē, ka tā izgūs visus indeksētos dokumentus. Atlasītie lauki "metadata_storage_path" un "metadata_storage_name" ir ļoti svarīgi, jo tie nodrošina ceļus uz faktiskajiem .msg failiem, kas tiek glabāti Azure Blob Storage. Kad šie ceļi ir iegūti, skripts izmanto BlobServiceClient, lai piekļūtu šo .msg failu saturam un lejupielādētu to.

Otrais skripts koncentrējas uz lejupielādēto .msg e-pasta failu apstrādi, lai izvilktu to pamattekstu un pielikumus. E-pasta failu parsēšanai tiek izmantota standarta Python “e-pasta” bibliotēka. BytesParser klase nolasa .msg faila saturu, kas ir binārā formātā, un pārvērš to par EmailMessage objektu. Šis objekta modelis ļauj viegli iegūt dažādas e-pasta daļas. Konkrēti, tas izgūst e-pasta ziņojuma teksta daļu un atkārto visus pielikumus, izvelkot to saturu. Pēc tam pielikumi tiek kodēti sistēmā Base64, lai apstrādātu bināros datus, atvieglojot to saglabāšanu vai pārsūtīšanu kā ASCII tekstu. Abi skripti parāda, kā automatizēt e-pasta datu izgūšanu un apstrādi no Azure Storage, demonstrējot Azure pakalpojumu un Python skriptu jaudu, efektīvi apstrādājot un analizējot mākoņos glabātos datus.

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 e-pasta failu meklēšanas uzlabošana

Integrējot Azure AI Search ar .msg e-pasta failiem, kas glabājas Azure Blob Storage, tiek piedāvāts sarežģīts risinājums, lai piekļūtu e-pasta saturam un meklētu to. Šī integrācija ir ļoti svarīga uzņēmumiem, kas lielā mērā paļaujas uz e-pasta saziņu un kuriem ir nepieciešams iegūt ieskatu vai efektīvi atrast konkrētu informāciju. Šīs funkcionalitātes pamatā ir Azure AI spēja indeksēt un meklēt milzīgā daudzumā nestrukturētu datu, tostarp e-pasta failu pamattekstu un pielikumus. Šis process ietver indeksētāja iestatīšanu, kas var lasīt, izvilkt un indeksēt .msg failu saturu, ļaujot lietotājiem veikt detalizētu meklēšanu, pamatojoties uz e-pasta ziņojumu saturu, nevis tikai to metadatiem. Šī iespēja uzlabo datu pieejamību, atvieglojot juridisko pieprasījumu izpildi, iekšējo auditu veikšanu vai vienkārši svarīgu komunikāciju atrašanu masīvās datu kopās.

Lai pilnībā izmantotu Azure AI Search .msg e-pasta failiem, ir svarīgi saprast tehnisko informāciju un ierobežojumus. Sistēmai ir nepieciešama pareiza Azure Search pakalpojuma konfigurācija, tostarp pielāgota indeksa izveide, lai pielāgotos īpašām e-pasta meklēšanas vajadzībām. Tas var ietvert lauku definēšanu ārpus noklusējuma metadatiem, piemēram, saturu, kas iegūts no e-pasta pamatteksta un pielikumiem. Turklāt, lai optimizētu meklēšanas pieredzi, var būt nepieciešams izmantot Azure Functions vai citus Azure pakalpojumus, lai iepriekš apstrādātu e-pastus, izvilktu teksta saturu un pārveidotu pielikumus meklējamos formātos. Šī daudzslāņu pieeja, apvienojot Azure Storage, Azure AI meklēšanu un pielāgotu apstrādes loģiku, rada jaudīgu rīku e-pasta datu pārvaldībai un meklēšanai plašā mērogā.