Ekstrahiranje besedila iz e-poštnih datotek .msg v iskanju Azure AI

Odklepanje e-poštne vsebine z iskanjem Azure AI

Raziskovanje zmogljivosti Azure AI Search razkriva njegov močan vpliv na upravljanje in iskanje po ogromnih količinah podatkov, shranjenih v oblačnih okoljih. Natančneje, ko imajo opravka z e-poštnimi datotekami .msg v vsebnikih blob Azure Storage, strokovnjaki iščejo učinkovite načine za dostop ne le do metapodatkov, temveč tudi do dejanske vsebine v teh e-poštnih sporočilih. Postopek vključuje uporabo zmogljivih funkcij indeksiranja Azure AI za prebiranje e-poštnih sporočil, kar je naloga, ki zahteva razumevanje, kako učinkovito poizvedovati po teh datotekah. Zmožnost ekstrahiranja in iskanja vsebine e-pošte, vključno s telesom in prilogami, odpira nove poti za analizo podatkov, preverjanje skladnosti in zbiranje vpogledov.

Vendar se mnogi znajdejo na razpotju, ko poskušajo pridobiti več kot samo osnovne metapodatke, kot so polja »Od«, »Za«, »Zadeva« in »Datum pošiljanja«, in se sprašujejo, kako dostopati do telesa in prilog e-poštna sporočila. Ta izziv predstavlja potrebo po globljem poglobitvi v zmožnosti iskanja Azure in raziskovanju dodatnih polj, ki bi jih lahko indeksirali za obogatitev iskalne izkušnje. Zapletenost nastavitve učinkovitega e-poštnega indeksa in indekserja v Azure AI Search ne preizkuša samo posameznikove tehnične sposobnosti, ampak tudi njegovo sposobnost krmarjenja po dokumentaciji in eksperimentiranja s konfiguracijami za doseganje želenih rezultatov.

Razlaga in uporaba skripta

Priloženi skripti služijo kot most med zmožnostmi iskanja z umetno inteligenco Azure in posebno potrebo po ekstrahiranju vsebine e-pošte in prilog iz datotek .msg, shranjenih v Azure Blob Storage. Prvi skript, ki izkorišča Azure Functions in Azure Blob Storage SDK, je zasnovan za poizvedovanje po indeksu Azure Cognitive Search z imenom "email-msg-index". Ta indeks verjetno vsebuje metapodatke, pridobljene iz e-poštnih datotek .msg. Skript uporablja SearchClient iz knjižnice Azure Cognitive Search za izvedbo operacije iskanja po indeksiranih dokumentih. Operacija iskanja je zasnovana tako, da je široka, označena z iskalnim besedilom "*", kar pomeni, da bo pridobila vse indeksirane dokumente. Izbrani polji, »metadata_storage_path« in »metadata_storage_name«, sta ključnega pomena, saj zagotavljata poti do dejanskih datotek .msg, shranjenih v Azure Blob Storage. Ko so te poti pridobljene, skript uporablja BlobServiceClient za dostop in prenos vsebine teh datotek .msg.

Drugi skript se osredotoča na obdelavo prenesenih e-poštnih datotek .msg za ekstrahiranje njihove vsebine in prilog. Za razčlenitev e-poštnih datotek uporablja standardno knjižnico 'e-pošte' Python. Razred BytesParser prebere vsebino datoteke .msg, ki je v binarni obliki, in jo pretvori v objekt EmailMessage. Ta objektni model omogoča preprosto ekstrakcijo različnih delov e-pošte. Natančneje, pridobi del telesa e-pošte z navadnim besedilom in pregleda morebitne priloge ter izloči njihovo vsebino. Priloge so nato kodirane v Base64 za obdelavo binarnih podatkov, kar olajša shranjevanje ali prenos kot besedilo ASCII. Oba skripta ponazarjata, kako avtomatizirati pridobivanje in obdelavo e-poštnih podatkov iz storitve Azure Storage ter prikazujeta moč storitev Azure in skriptov Python pri učinkovitem ravnanju in analizi podatkov, shranjenih v oblaku.

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

Izboljšanje iskanja z umetno inteligenco Azure za e-poštne datoteke .msg

Integracija Azure AI Search z .msg e-poštnimi datotekami, shranjenimi v Azure Blob Storage, ponuja sofisticirano rešitev za dostop do e-poštne vsebine in iskanje po njej. Ta integracija je ključnega pomena za podjetja, ki se močno zanašajo na komunikacijo po e-pošti in morajo pridobiti vpoglede ali učinkovito poiskati določene informacije. Jedro te funkcionalnosti je v zmožnosti Azure AI za indeksiranje in iskanje po ogromnih količinah nestrukturiranih podatkov, vključno s telesom in prilogami e-poštnih datotek. Ta postopek vključuje nastavitev indekserja, ki lahko bere, ekstrahira in indeksira vsebino datotek .msg, kar uporabnikom omogoča podrobno iskanje na podlagi vsebine e-poštnih sporočil, ne le njihovih metapodatkov. Ta zmožnost izboljša dostopnost podatkov, kar olajša izpolnjevanje pravnih zahtev, izvajanje notranjih revizij ali preprosto iskanje pomembnih komunikacij, zakopanih v ogromnih nizih podatkov.

Za popolno uporabo Azure AI Search za e-poštne datoteke .msg je nujno razumevanje tehničnih podrobnosti in omejitev. Sistem zahteva pravilno konfiguracijo storitve Azure Search, vključno z ustvarjanjem indeksa po meri za prilagoditev posebnim potrebam iskanja po e-pošti. To lahko vključuje definiranje polj, ki presegajo privzete metapodatke, kot je vsebina, ekstrahirana iz telesa e-pošte in prilog. Poleg tega lahko optimizacija izkušnje iskanja zahteva uporabo funkcij Azure ali drugih storitev Azure za predhodno obdelavo e-pošte, ekstrahiranje besedilne vsebine in pretvorbo prilog v formate, po katerih je mogoče iskati. Ta večplastni pristop, ki združuje Azure Storage, Azure AI Search in logiko obdelave po meri, ustvarja zmogljivo orodje za upravljanje in iskanje e-poštnih podatkov v velikem obsegu.