Marklogic 通配符cts：返回错误匹配项的元素值查询

通配符

cts:element-value查询

的行为不符合预期

插入单据查询：

xdmp:document-insert('/sample/2.xml', <data>the living Theater</data>)

上面的cts查询正在返回

/sample/2.xml

文档。根据我的理解，此查询不应返回上述文档，而应仅返回以

剧院

文本开头的文档

似乎问题在于下面的文本模式

在文档中显示文本：

@@@word@@@text

搜索词：

@@@t**

@-可以是任何字符

我也能用下面的数据重现这个问题

在文档中显示文本：

标记标记逻辑

搜索文本：

markl**

与通配符相关的索引设置为true

我已经粘贴了数据库配置，这可能有助于发现问题

数据库配置：

<package-database xmlns="http://marklogic.com/manage/package/databases">
    <config>
        <name>publishers</name>
        <package-database-properties>
            <enabled>true</enabled>
            <retired-forest-count>0</retired-forest-count>
            <language>en</language>
            <stemmed-searches>advanced</stemmed-searches>
            <word-searches>true</word-searches>
            <word-positions>true</word-positions>
            <fast-phrase-searches>true</fast-phrase-searches>
            <fast-reverse-searches>false</fast-reverse-searches>
            <triple-index>true</triple-index>
            <triple-positions>true</triple-positions>
            <fast-case-sensitive-searches>true</fast-case-sensitive-searches>
            <fast-diacritic-sensitive-searches>true</fast-diacritic-sensitive-searches>
            <fast-element-word-searches>true</fast-element-word-searches>
            <element-word-positions>true</element-word-positions>
            <fast-element-phrase-searches>true</fast-element-phrase-searches>
            <element-value-positions>true</element-value-positions>
            <attribute-value-positions>true</attribute-value-positions>
            <field-value-searches>true</field-value-searches>
            <field-value-positions>true</field-value-positions>
            <three-character-searches>true</three-character-searches>
            <three-character-word-positions>true</three-character-word-positions>
            <fast-element-character-searches>true</fast-element-character-searches>
            <trailing-wildcard-searches>true</trailing-wildcard-searches>
            <trailing-wildcard-word-positions>true</trailing-wildcard-word-positions>
            <fast-element-trailing-wildcard-searches>true</fast-element-trailing-wildcard-searches>
            <word-lexicons>
                <word-lexicon>http://marklogic.com/collation/codepoint</word-lexicon>
            </word-lexicons>
            <two-character-searches>false</two-character-searches>
            <one-character-searches>false</one-character-searches>
            <uri-lexicon>true</uri-lexicon>
            <collection-lexicon>true</collection-lexicon>
            <reindexer-enable>true</reindexer-enable>
            <reindexer-throttle>5</reindexer-throttle>
            <reindexer-timestamp>0</reindexer-timestamp>
            <directory-creation>manual</directory-creation>
            <maintain-last-modified>false</maintain-last-modified>
            <maintain-directory-last-modified>false</maintain-directory-last-modified>
            <inherit-permissions>false</inherit-permissions>
            <inherit-collections>false</inherit-collections>
            <inherit-quality>false</inherit-quality>
            <in-memory-limit>174080</in-memory-limit>
            <in-memory-list-size>341</in-memory-list-size>
            <in-memory-tree-size>85</in-memory-tree-size>
            <in-memory-range-index-size>11</in-memory-range-index-size>
            <in-memory-reverse-index-size>11</in-memory-reverse-index-size>
            <in-memory-triple-index-size>44</in-memory-triple-index-size>
            <large-size-threshold>1024</large-size-threshold>
            <locking>fast</locking>
            <journaling>fast</journaling>
            <journal-size>682</journal-size>
            <journal-count>2</journal-count>
            <preallocate-journals>false</preallocate-journals>
            <preload-mapped-data>false</preload-mapped-data>
            <preload-replica-mapped-data>false</preload-replica-mapped-data>
            <range-index-optimize>facet-time</range-index-optimize>
            <positions-list-max-size>256</positions-list-max-size>
            <format-compatibility>automatic</format-compatibility>
            <index-detection>automatic</index-detection>
            <expunge-locks>none</expunge-locks>
            <tf-normalization>scaled-log</tf-normalization>
            <merge-priority>lower</merge-priority>
            <merge-max-size>32768</merge-max-size>
            <merge-min-size>1024</merge-min-size>
            <merge-min-ratio>2</merge-min-ratio>
            <merge-timestamp>0</merge-timestamp>
            <retain-until-backup>false</retain-until-backup>
            <assignment-policy-name>bucket</assignment-policy-name>
        </package-database-properties>
    </config>
</package-database>

出版者
真的
0
EN
先进的
真的
真的
真的
假的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
真的
http://marklogic.com/collation/codepoint
假的
假的
真的
真的
真的
5.
0
手册
假的
假的
假的
假的
假的
174080
341
85
11
11
44
1024
快速的
快速的
682
2.
假的
假的
假的
刻面时间
256
自动的
自动的
没有一个
比例原木
降低
32768
1024
2.
0
假的
水桶

尝试在数据元素上创建元素范围索引，然后运行以下搜索：

let $terms :=  cts:element-value-match(xs:QName("data"),"theater* *")
return
  cts:search(
    doc(),
    cts:element-value-query(
      xs:QName('data'), 
      $terms, 
      ('wildcarded', 'case-insensitive', 'unstemmed', 'punctuation-sensitive', 'whitespace-sensitive')
    ),
    'unfiltered'
  )

---

这不会为您获取“/sample/2.xml”文档

未经筛选的搜索附带以下内容：

• 它们直接从索引中确定结果，无需过滤验证。这使得未过滤的结果最为复杂 与传统搜索引擎风格的结果相当
• 包括假阳性结果。假阳性结果可能来自多种情况，包括短语搜索 包含3个或更多单词，某些通配符搜索， 区分标点、变音和/或大小写 搜索

MarkLogic提供了一种确定结果是否为假阳性的方法。您可以使用

cts:contains

进行此操作。此xquery显示您的结果确实是假阳性：

xquery version "1.0-ml";

declare boundary-space preserve;
declare namespace qm="http://marklogic.com/xdmp/query-meters";

let $trueCounter := 0
let $falseCounter := 0
let $query := cts:element-value-query(xs:QName('data'), 'theater* *')
let $x := 
  for $result in cts:search(fn:doc(), $query, "unfiltered")
  return
  (
  if ( cts:contains($result, $query) )
  then ( xdmp:set($trueCounter, $trueCounter + 1) )
  else ( xdmp:set($falseCounter, $falseCounter + 1) )
  )
return
<results>
  <resultTotal>{$trueCounter}</resultTotal>
  <false-positiveTotal>{$falseCounter}</false-positiveTotal>
  <elapsed-time>{xdmp:query-meters()/qm:elapsed-time/text()}
  </elapsed-time>
</results>

xquery版本“1.0-ml”；
宣布边界空间保留；
声明命名空间qm=”http://marklogic.com/xdmp/query-meters";
让$trueCounter:=0
让$falseCounter:=0
let$query:=cts:element值查询（xs:QName（'data'），'theater**'）
let$x:=
对于cts:search中的$result（fn:doc（），$query，“未筛选”）
返回
(
if（cts:contains（$result，$query））
然后（xdmp:set（$trueCounter，$trueCounter+1））
其他（xdmp:set（$falseCounter，$falseCounter+1））
)
返回
{$trueCounter}
{$falseCounter}
{xdmp:query-meters（）/qm:appeased time/text（）}

MarkLogic搜索分为两个步骤：

候选id解析。ML从索引中搜索匹配的文档。这些只是候选，这意味着它们可能是误报。这对于缩小文档范围非常有用，因此不必加载太多的片段

候选id用于从磁盘加载片段。然后，将针对初始查询再次测试每个片段。此步骤过滤误报

通过使用未过滤的查询，您没有第二步，因此不会出现误报。你可以阅读更多关于这方面的内容

编辑： 第节进一步介绍了可使用未过滤搜索的应用程序：

• 您的内容和搜索条件使您知道未过滤的搜索也是准确的（例如，搜索是全部） 在文档或片段根处执行，它们是单术语查询， 和是非通配符、标点符号敏感、变音符号敏感， 和/或区分大小写的搜索）
• 你不介意是否有一些假阳性结果，因为结果是一个估计（也就是说，它们需要很快，但是很快） 不要求精确）
• 您的搜索返回大量结果，您需要高效的方法跳转到这些结果的特定部分

正如第一项所述，如果不希望出现误报，则不能使用通配符查询。我想你应该坚持过滤搜索

---

希望这有帮助

使用

“筛选”选项执行搜索时，您是否得到正确的结果？@MadsHansen Yes。。使用filtered，我得到了正确的结果，但是我不能使用filtered选项，因为它太慢了。请尝试启用元素单词位置。您需要这样才能在不过滤的情况下准确解析多标记值。@grtjn
元素字位置
设置为true。还是一样的问题。尝试使用
http://marklogic.com/collation/codepoint
整理但没有收获。请帮助我，因为我经常面临这个问题，无法确定我做错了什么。看起来
value
query的行为类似于
word
query这是一个很好的工作
xquery version "1.0-ml";

declare boundary-space preserve;
declare namespace qm="http://marklogic.com/xdmp/query-meters";

let $trueCounter := 0
let $falseCounter := 0
let $query := cts:element-value-query(xs:QName('data'), 'theater* *')
let $x := 
  for $result in cts:search(fn:doc(), $query, "unfiltered")
  return
  (
  if ( cts:contains($result, $query) )
  then ( xdmp:set($trueCounter, $trueCounter + 1) )
  else ( xdmp:set($falseCounter, $falseCounter + 1) )
  )
return
<results>
  <resultTotal>{$trueCounter}</resultTotal>
  <false-positiveTotal>{$falseCounter}</false-positiveTotal>
  <elapsed-time>{xdmp:query-meters()/qm:elapsed-time/text()}
  </elapsed-time>
</results>