为组和计数优化两步xquery

在我的数据库Xquery 3.1、eXist db 4.7中，我有12000多个TEI XML文档示例，每个示例都可以对单个独立的关键字TEI文档进行多个引用

这12000个示例文档中的每一个都类似于下面的文档，具有不同数量的关键字引用：

<TEI type="example" group="X">
  <teiHeader>some content</teiHeader>
  <text>
    <front>
      <div type="keywords">
          <list type="keywords">
            <item type="keyword" corresp="KW0002"/>
            <item type="keyword" corresp="KW0034"/>
            <item type="keyword" corresp="KW0349"/>
            <item type="keyword" corresp="KW0670"/>
            <item type="keyword" corresp="KW1987"/>
          </list>
      </div>
    </front>
  </text>
</TEI>

我的查询的目的是获取selection@group示例中的所有关键字，然后对它们进行分组，并对它们进行HTML计数

我当前的解决方案需要很长时间，尽管已经为所有元素和属性编制了索引。我怀疑有一种更有效的方法来整合这些，但我看不出来

let $cols := collection($mydatabase)//TEI[@group="X"]
let $kwdoc := doc("keywords.xml")//category
let $kws := distinct-values($cols//item[@type="keyword"]/data(@corresp))
let $lis := for $kw in $kws
            let $count := count($cols//item[@type="keyword" and @corresp=$kw])
            order by $count descending
            return 
                <li>
                  <a href="{concat("www.example.com/keywords/",$kw)}">                                                                             
                    {for $x in $kwdoc[@xml:id=$kw]/tei:desc
                    return <span class="{@xml:lang}">{$x/text()}</span>} 
                    ({$count})
                 </a>
               </li>
 return <ul>{$lis}</ul>

这将生成如下所示的HTML项：

<ul>
  <li>
    <a href="www.example.com/keywords/KW0001">
     <span class="de">geliebter</span>
     <span class="en">lover</span>
     <span class="es">amante</span>
     <span class="fr">amant</span>
     <span class="it">amante</span>
    </a>
    (64)
  </li>
  <li>
    <a href="www.example.com/keywords/KW0002">
     <span class="de">bischof</span>
     <span class="en">bishop</span>
     <span class="es">obispo</span>
     <span class="fr">évêque</span>
     <span class="it">vescovo</span>
    </a>
    (64)
  </li>
</ul>

---

非常感谢。

我认为在XQuery 3中，您应该使用group by进行分组，希望这也能表现得更好：

let $cols := collection($mydatabase)//TEI[@group="X"]
let $kwdoc := doc("keywords.xml")//category

let $lis := 
  for $group in $cols//item[@type = "keyword"]
  group by $keyword := $group/@corresp
  order by count($group) descending

            return 
                <li>
                  <a href="{concat("www.example.com/keywords/",$keyword )}">                                                                             
                    {for $desc in id($keyword, $kwdoc)/desc
                    return <span class="{$desc/@xml:lang}">{$desc/text()}</span>} 
                    ({count($group)})
                 </a>
               </li>

 return <ul>{$lis}</ul>

---

我唯一没有完全理解的问题是$cols中的TEI文档是否可以引用关键字文档中没有的关键字，上面我显示的代码没有进行检查。

我将测试这一点，并让您知道它是如何执行的。$cols中没有“孤立”关键字ID…非常好的结果：这将一个耗时6-7秒的查询变成了一个获取@jbrehr distinct值的查询，速度非常慢，如果可能的话，应该避免/替换为group by。您能对时间安排发表评论吗？很难知道多长时间就是多长时间-我将做一个比较：正如我在上面构建的那样，一个大型查询需要6-7秒；根据eXide的说法，Martin Honnen在下面的解决方案将相同的查询时间缩短到了不到1秒，约0.5秒。

let $cols := collection($mydatabase)//TEI[@group="X"]
let $kwdoc := doc("keywords.xml")//category

let $lis := 
  for $group in $cols//item[@type = "keyword"]
  group by $keyword := $group/@corresp
  order by count($group) descending

            return 
                <li>
                  <a href="{concat("www.example.com/keywords/",$keyword )}">                                                                             
                    {for $desc in id($keyword, $kwdoc)/desc
                    return <span class="{$desc/@xml:lang}">{$desc/text()}</span>} 
                    ({count($group)})
                 </a>
               </li>

 return <ul>{$lis}</ul>