Azure AI Arama'da .msg E-posta Dosyalarından Metin Çıkarma

Azure AI Arama ile E-posta İçeriğinin Kilidini Açma

Azure AI Search'ün yeteneklerinin araştırılması, bulut ortamlarında depolanan büyük miktarda verinin yönetilmesi ve aranması üzerindeki derin etkisini ortaya çıkarır. Özellikle, Azure Depolama blob kapsayıcılarındaki .msg e-posta dosyalarıyla uğraşırken profesyoneller yalnızca meta verilere değil, bu e-postaların içindeki asıl içeriğe erişmenin etkili yollarını arar. Süreç, e-postaları incelemek için Azure AI'nin güçlü indeksleme özelliklerinden yararlanmayı içerir; bu, bu dosyaların etkili bir şekilde nasıl sorgulanacağının anlaşılmasını gerektiren bir görevdir. Gövde ve ekler de dahil olmak üzere e-posta içeriğini çıkarma ve arama yeteneği, veri analizi, uyumluluk kontrolleri ve içgörü toplama için yeni yollar açar.

Ancak birçok kişi, 'Kimden', 'Kime', 'Konu' ve 'Gönderilme Tarihi' alanları gibi temel meta verilerden daha fazlasını almaya çalışırken, metnin gövdesine ve eklerine nasıl erişileceğini merak ederek kendilerini bir yol ayrımında buluyor. e-postalar. Bu zorluk, arama deneyimini zenginleştirmek için dizine eklenebilecek ek alanları keşfederek Azure Arama'nın yeteneklerini daha derinlemesine inceleme ihtiyacını ortaya koyuyor. Azure AI Arama'da etkili bir e-posta dizini ve dizin oluşturucu ayarlamanın incelikleri, yalnızca kişinin teknik becerisini test etmekle kalmaz, aynı zamanda istenen sonuçları elde etmek için belgelerde gezinme ve yapılandırmalarla deneme yapma yeteneğini de test eder.

Komut Dosyası Açıklaması ve Kullanımı

Sağlanan betikler, Azure AI Arama yetenekleri ile Azure Blob Depolama'da depolanan .msg dosyalarından e-posta içeriklerini ve eklerini ayıklamaya yönelik özel ihtiyaç arasında bir köprü görevi görür. Azure İşlevlerinden ve Azure Blob Depolama SDK'larından yararlanan ilk komut dosyası, "email-msg-index" adlı Azure Bilişsel Arama dizinini sorgulamak için tasarlanmıştır. Bu dizin muhtemelen .msg e-posta dosyalarından çıkarılan meta verileri içeriyor. Betik, dizine eklenen belgelerde bir arama işlemi yürütmek için Azure Bilişsel Arama kitaplığındaki SearchClient'ı kullanır. Arama işlemi geniş kapsamlı olacak şekilde tasarlanmıştır ve "*" arama metniyle gösterilir; bu, dizine eklenen tüm belgeleri alacağı anlamına gelir. Seçilen "metadata_storage_path" ve "metadata_storage_name" alanları, Azure Blob Depolama'da depolanan gerçek .msg dosyalarının yollarını sağladıkları için çok önemlidir. Bu yollar alındıktan sonra betik, bu .msg dosyalarının içeriğine erişmek ve bunları indirmek için BlobServiceClient'ı kullanır.

İkinci komut dosyası, indirilen .msg e-posta dosyalarının gövde içeriğini ve eklerini çıkarmak için işlenmesine odaklanır. E-posta dosyalarını ayrıştırmak için standart Python 'e-posta' kitaplığını kullanır. BytesParser sınıfı, ikili formattaki .msg dosyasının içeriğini okur ve bunu bir EmailMessage nesnesine dönüştürür. Bu nesne modeli, e-postanın farklı bölümlerinin kolayca çıkarılmasına olanak tanır. Spesifik olarak, e-posta gövdesinin düz metin kısmını alır ve herhangi bir ek üzerinde yineleyerek içeriklerini çıkarır. Ekler daha sonra ikili verileri işlemek için Base64'te kodlanır, böylece ASCII metni olarak saklanması veya iletilmesi daha kolay hale gelir. Her iki komut dosyası da, Azure Depolama'dan e-posta verilerinin alınması ve işlenmesinin nasıl otomatikleştirileceğini örnekleyerek, bulutta depolanan verileri verimli bir şekilde işleme ve analiz etmede Azure hizmetlerinin ve Python komut dosyası oluşturmanın gücünü sergiliyor.

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

.msg E-posta Dosyaları için Azure AI Aramasını Geliştirme

Azure AI Arama'nın Azure Blob Depolama'da depolanan .msg e-posta dosyalarıyla tümleştirilmesi, e-posta içeriğine erişim ve arama için gelişmiş bir çözüm sunar. Bu entegrasyon, ağırlıklı olarak e-posta iletişimine güvenen ve öngörüleri elde etmek veya belirli bilgileri verimli bir şekilde bulmak isteyen işletmeler için çok önemlidir. Bu işlevselliğin özü, Azure AI'nin, e-posta dosyalarının gövdesi ve ekleri de dahil olmak üzere, büyük miktarlarda yapılandırılmamış verileri dizine ekleme ve arama yeteneğinde yatmaktadır. Bu süreç, .msg dosyalarının içeriğini okuyabilen, ayıklayabilen ve dizine ekleyebilen bir dizin oluşturucunun kurulmasını içerir; bu, kullanıcıların yalnızca meta verilere değil, e-postaların içeriğine göre de ayrıntılı aramalar yapmasına olanak tanır. Bu özellik, veri erişilebilirliğini geliştirerek yasal taleplere uymayı, iç denetimler gerçekleştirmeyi veya büyük veri kümelerinde gömülü olan önemli iletişimleri bulmayı kolaylaştırır.

.msg e-posta dosyaları için Azure AI Search'ü tam olarak kullanmak için teknik ayrıntıları ve sınırlamaları anlamak önemlidir. Sistem, e-posta aramasının belirli ihtiyaçlarını karşılamak için özel bir dizinin oluşturulması da dahil olmak üzere Azure Arama hizmetinin uygun şekilde yapılandırılmasını gerektirir. Bu, e-posta gövdesinden ve eklerden çıkarılan içerik gibi varsayılan meta verilerin ötesinde alanların tanımlanmasını içerebilir. Ayrıca, arama deneyimini optimize etmek, e-postaları önceden işlemek, metin içeriğini çıkarmak ve ekleri aranabilir biçimlere dönüştürmek için Azure İşlevlerinin veya diğer Azure hizmetlerinin kullanılmasını gerektirebilir. Azure Depolama, Azure AI Arama ve özel işleme mantığını birleştiren bu katmanlı yaklaşım, e-posta verilerini uygun ölçekte yönetmek ve aramak için güçlü bir araç oluşturur.