Xquery MarkLogic连接查询

嗨，我是marklogic和Xquery领域的新手。我想不出在MarkLogicXQuery中编写以下逻辑的起点。如果有人能给我想法/样品，我将不胜感激，这样我就能实现以下目标：

我想根据B.XML中的单词查找来查询A.XML。查询应生成C.XML。逻辑应如下所示：

A.XML

2004年，诺基亚沃达丰（Nokia Vodafone）、诺基亚成长衰退（Nokia Growth Recession）、克里克特HBO（Creicket HBO）通过了第一项禁止在开车时使用手持手机的禁令

B.XML

<WordLookUp>
<companies>
    <company name="Vodafone">Vodafone</company>
    <company name="Nokia">Nokia</company>
</companies>
<topics>
    <topic group="Sports">Cricket</topic>
    <topic group="Entertainment">HBO</topic>
    <topic group="Finance">GDP</topic>
</topics>
<moods>
    <mood number="4">Growth</mood>
    <mood number="-5">Depression</mood>
    <mood number="-3">Recession</mood>
</moods>

沃达丰
诺基亚
板球
HBO
国内生产总值
生长
抑郁
经济衰退

C.XML（结果XML）

2004年，诺基亚沃达丰（Nokia Vodafone）、诺基亚成长衰退（Nokia Growth Recession）、克里克特HBO（Creicket HBO）通过了第一项禁止在开车时使用手持手机的禁令
沃达丰
诺基亚
1.
体育
游戏娱乐
22

搜索B.xml中A.xml的每个公司/text（），如果找到匹配项，则创建标记： TAG{company count=“该单词出现的次数”}company/@name {/公司}

如果找到匹配项，则在B.xml中搜索A.xml的每个主题/text（），并创建标记 TAG{topic topic=“该单词出现的次数”}topic/@group{/topic}

如果找到匹配项，则在B.xml中搜索A.xml的每个mood/text（） [第一个单词的出现次数*{/mood[第一个单词]/@number}+[第二个单词的出现次数*{/mood[第二个单词]/@number}）]

获取元素的字数

---

这是一个有趣的过程，在这个过程中我学到了一些东西。谢谢

注意：为了得到您想要的结果，我修复了a.xml中的一个输入错误（“Creicket”->“Cricket”）

以下解决方案使用两个特定于MarkLogic的函数：

• cts:highlight

  （用于用节点替换匹配的文本，然后可以对其进行计数）

• cts:tokenize

  （用于将给定字符串拆分为单词、空格和标点符号部分）

它还包括一些分别针对这两个功能的强大魔法：

• 特殊变量

  $cts:text

  的动态绑定（这对于这个特定的用例来说并不是必需的，但我离题了），以及
• 添加以下子类型的数据模型扩展名

  xs:string

  ：

  • cts:word

  • cts:space

    ，以及

  • cts：标点符号

享受吧

xquery version "1.0-ml";

(: Generic function using MarkLogic's ability to find query matches within a single node :)
declare function local:find-matches($content, $search-text) {
  cts:highlight($content, $search-text, <MATCH>{$cts:text}</MATCH>)
  //MATCH
};

(: Generic function using MarkLogic's ability to tokenize text into words, punctuation, and spaces :)
declare function local:get-words($text) {
  cts:tokenize($text)[. instance of cts:word]
};

(: The rest of this is pure XQuery :)
let $content := doc("A.xml")/root/content,
    $lookup  := doc("B.xml")/WordLookUp
return
  <root>
    {$content}
    <updatedElement>

      <companies>{
        for $company in $lookup/companies/company
        let $results := local:find-matches($content, string($company))
        where exists($results)
        return
          <company count="{count($results)}">{string($company/@name)}</company>
      }</companies>

      <mood>{
        sum(
          for $mood in $lookup/moods/mood
          let $results := local:find-matches($content, string($mood))
          return count($results) * $mood/@number
        )
      }</mood>

      <topics>{
        for $topic in $lookup/topics/topic
        let $results := local:find-matches($content, string($topic))
        where exists($results)
        return
          <topic count="{count($results)}">{string($topic/@group)}</topic>
      }</topics>

      <word-count>{
        count(local:get-words($content))
      }</word-count>

    </updatedElement>
  </root>

---

它使用

cts:stem

将给定单词规范化为其词干，因此，例如，搜索“pass”将匹配“passed”，等等。但是，这对于多单词（短语）搜索仍然不起作用。所以为了安全起见，我会坚持使用

cts:highlight

，它与

cts:search

和

cts:contains

一样，可以处理您给出的任何cts:query（包括我们上面所做的简单单词/短语搜索），它可以与任何兼容的XQuery 1.0处理器配合使用：

let $content := doc('file:///c:/temp/delete/A.xml')/*/*,
      $lookup := doc('file:///c:/temp/delete/B.xml')/*,
      $words := tokenize($content, '\W+')[.]
         return
           <root>
            {$content}
             <updatedElement>
               <companies>
                  {for $c in $lookup/companies/*,
                       $occurs in count(index-of($words, $c))
                     return
                       if($occurs)
                          then
                            <company count="{$occurs}">
                              {$c/text()}
                            </company>
                          else ()
                  }
               </companies>
               <mood>
                  {
                   sum($lookup/moods/*[false or index-of($words, data(.))]/@number)
                  }
               </mood>
               <topics>
                 {for $t in $lookup/topics/*,
                      $occurs in count(index-of($words, $t))
                    return
                      if($occurs)
                         then
                           <topic count="{$occurs}">
                             {data($t/@group)}
                           </topic>
                         else ()
                  }
               </topics>
               <word-count>{count($words)}</word-count>
              </updatedElement>
          </root>

---

你把“2004”算作一个词。请你编辑一下这个问题，准确地定义“单词”好吗？

中的单词是否总是用空格分隔，或者是否有其他分隔符？“字数”是一个字还是两个字？那么FY-2012呢？知道一个完全兼容的XQuery解决方案不使用任何扩展函数，因此可以在任何兼容的XQuery实现下运行，这可能会很有趣。这一点很好。或许可以将上述解决方案用作文档充实脚本，这样（非规范化的）C.xml就可以成为实时应用程序代码的基础，在该代码中，您可以根据文档的字数（例如，使用上的范围索引）高效地查找文档，等等，也许每次更新部件时都会使用CPF重新运行。@EvanLenz:正如您在这里提到的CPF，我有一个问题，我将在使用CPF框架摄取时将a.xml转换为C.xml。但情况是lookup XML（B.XML），可以经常更改，现在如果更改了，如何更新数据库中以前转换的文档。我相信CPF管道将只适用于新插入的文档。我个人还没有使用CPF，但我相信它相当灵活。您应该能够自动启动一个XQuery脚本，该脚本在更新B.xml时批量更新其他文档。只需确保评估性能影响（需要更新多少文档以及更新B.xml的频率）。如果它太贵（或者不够充分），那么你会考虑另一种方法。Askk发现这个答案是有用的，就像埃文一样，即使Dimitre似乎认为这是无关紧要的。也许Dimitre应该在回答这样标记的问题之前了解更多关于MarkLogic的知识。在这里，我发现，当试图找到“Walmart Inc”或“International Walmart”这样的词时，它们都被规范化为“Walmart”(

xquery version "1.0-ml";

(: Generic function using MarkLogic's ability to find query matches within a single node :)
declare function local:find-matches($content, $search-text) {
  cts:highlight($content, $search-text, <MATCH>{$cts:text}</MATCH>)
  //MATCH
};

(: Generic function using MarkLogic's ability to tokenize text into words, punctuation, and spaces :)
declare function local:get-words($text) {
  cts:tokenize($text)[. instance of cts:word]
};

(: The rest of this is pure XQuery :)
let $content := doc("A.xml")/root/content,
    $lookup  := doc("B.xml")/WordLookUp
return
  <root>
    {$content}
    <updatedElement>

      <companies>{
        for $company in $lookup/companies/company
        let $results := local:find-matches($content, string($company))
        where exists($results)
        return
          <company count="{count($results)}">{string($company/@name)}</company>
      }</companies>

      <mood>{
        sum(
          for $mood in $lookup/moods/mood
          let $results := local:find-matches($content, string($mood))
          return count($results) * $mood/@number
        )
      }</mood>

      <topics>{
        for $topic in $lookup/topics/topic
        let $results := local:find-matches($content, string($topic))
        where exists($results)
        return
          <topic count="{count($results)}">{string($topic/@group)}</topic>
      }</topics>

      <word-count>{
        count(local:get-words($content))
      }</word-count>

    </updatedElement>
  </root>

(: Find word matches by comparing them one-by-one :)
declare function local:find-matches($content, $search-text) {
  local:get-words($content)[cts:stem(.) = cts:stem($search-text)]
};

let $content := doc('file:///c:/temp/delete/A.xml')/*/*,
      $lookup := doc('file:///c:/temp/delete/B.xml')/*,
      $words := tokenize($content, '\W+')[.]
         return
           <root>
            {$content}
             <updatedElement>
               <companies>
                  {for $c in $lookup/companies/*,
                       $occurs in count(index-of($words, $c))
                     return
                       if($occurs)
                          then
                            <company count="{$occurs}">
                              {$c/text()}
                            </company>
                          else ()
                  }
               </companies>
               <mood>
                  {
                   sum($lookup/moods/*[false or index-of($words, data(.))]/@number)
                  }
               </mood>
               <topics>
                 {for $t in $lookup/topics/*,
                      $occurs in count(index-of($words, $t))
                    return
                      if($occurs)
                         then
                           <topic count="{$occurs}">
                             {data($t/@group)}
                           </topic>
                         else ()
                  }
               </topics>
               <word-count>{count($words)}</word-count>
              </updatedElement>
          </root>

<root>
   <content> The state passed its first ban on using a handheld cellphone while driving in 2004 Nokia Vodafone Nokia Growth Recession Cricket HBO</content>
   <updatedElement>
      <companies>
         <company count="1">Vodafone</company>
         <company count="2">Nokia</company>
      </companies>
      <mood>1</mood>
      <topics>
         <topic count="1">Sports</topic>
         <topic count="1">Entertainment</topic>
      </topics>
      <word-count>22</word-count>
   </updatedElement>
</root>