Mapreduce CouchDB中的map-reduce函数

我有一个java程序，可以读取PDF文件中的所有单词。我将单词和页码保存在数据库（couchDB）中。现在我想写一个map和reduce函数，它列出每个单词所在的页码，但是如果单词在一个页面上出现不止一次，我只需要一个条目。结果应该是一行包含word，第二行包含页码列表（用逗号分隔的字符串）。每个带有页码的单词在couchDB中都是一个单独的文档。 如何使用map reduce功能（过滤相同的页码条目）实现这一点？

---

谢谢你的帮助

做这件事的方法肯定不止一种。我喜欢简单的东西。假设您的文档看起来有点像这样：

{ 'type': 'word-index', 'word': 'Great', 'page_number': 45 }

这是在第45页找到“伟大”一词的结果。现在，视图索引由视图函数创建：

function map(doc) {
    if (doc.type == 'word-index') {
        emit([doc.word, doc.page_number], null);
    }
}

对于减少部分，只需使用内置的“\u count”

现在，要获得书中出现的所有单词“Great”的列表，只需使用startkey=[“Great”]和endkey=[“Great”，{}]查询视图即可。现在，结果看起来有点像：

["Great", 45], 4
["Great", 70], 7

这意味着世界“伟大”在第45页出现了4次，在第70页出现了7次。您可以从中提取所需的逗号分隔列表。出现的次数是额外的

--编辑--

---

您还必须在查询中使用group_level=2。如果您不这样做，查询的结果将只是一行，并对您拥有的所有文档进行计数。

当然有多种方法可以做到这一点。我喜欢简单的东西。假设您的文档看起来有点像这样：

{ 'type': 'word-index', 'word': 'Great', 'page_number': 45 }

这是在第45页找到“伟大”一词的结果。现在，视图索引由视图函数创建：

function map(doc) {
    if (doc.type == 'word-index') {
        emit([doc.word, doc.page_number], null);
    }
}

对于减少部分，只需使用内置的“\u count”

现在，要获得书中出现的所有单词“Great”的列表，只需使用startkey=[“Great”]和endkey=[“Great”，{}]查询视图即可。现在，结果看起来有点像：

["Great", 45], 4
["Great", 70], 7

这意味着世界“伟大”在第45页出现了4次，在第70页出现了7次。您可以从中提取所需的逗号分隔列表。出现的次数是额外的

--编辑--

---

您还必须在查询中使用group_level=2。如果您不这样做，查询结果将只是一行，并对您拥有的所有文档进行计数。

谢谢您的快速回答。我必须稍后测试它，但是如果我想要一个列表：很棒的45，70，234。“伟大”这个词应该只列出一次。该函数应该对数据库中的所有单词（文档）执行此操作。如何使用reduce函数过滤多个页码？我不知道Java，也不知道couchdb的api绑定。我的观点是，当您查询这样的视图时，您将得到键值对列表。您的密钥的格式为[“世界”，页码]。要获得列表，只需获取键具有相同第一个元素的所有行，然后提取第二个元素。由于减少了它，它是独一无二的。我刚刚意识到的另一件事是，您还需要使用group_level=2来查询以获得此结果。如果你不这样做，你只会得到结果中的一行。@user2447116但如果我想要一个列表：很棒的45，70，234。单词great应该只列出一次，视图应该只用于服务的算法部分。如果您（真的）需要格式化数据服务器端，请使用列表。谢谢您的快速回答。我必须稍后测试它，但是如果我想要一个列表：很棒的45，70，234。“伟大”这个词应该只列出一次。该函数应该对数据库中的所有单词（文档）执行此操作。如何使用reduce函数过滤多个页码？我不知道Java，也不知道couchdb的api绑定。我的观点是，当您查询这样的视图时，您将得到键值对列表。您的密钥的格式为[“世界”，页码]。要获得列表，只需获取键具有相同第一个元素的所有行，然后提取第二个元素。由于减少了它，它是独一无二的。我刚刚意识到的另一件事是，您还需要使用group_level=2来查询以获得此结果。如果你不这样做，你只会得到结果中的一行。@user2447116但如果我想要一个列表：很棒的45，70，234。单词great应该只列出一次，视图应该只用于服务的算法部分。如果（确实）需要格式化服务器端数据，请使用列表。