Question

我在MarkLogic服务器中创建了一个数据库，并为同一个数据库附加了一个林。如何识别Marklogic数据库中的重复文档？

例如，我在URI /A/B/c.xml中有C.xml，而/D/E/c.xml都是相同的林和相同的数据库。如何确定c.xml是否重复？

Answer 1

为了比较两个文档并确定它们是否重复（加载了不同URI的相同文档），您可以使用fn:deep-equal()函数。

例如：

let $doc1 := fn:doc("/A/B/c.xml")
let $doc2 := fn:doc("/D/E/c.xml")
return fn:deep-equal($doc1, $doc2)

Answer 2

没有“两个文档”是“相同的”。期。因此，没有重复的文档。问题解决了。

这导致答案取决于“重复”的定义。如果您的意思是“具有相同的语义数据内容”，则深度相等方法将适用于xml文件，但是如果您打算考虑非语义差异（例如属性之间的多余空格，属性顺序，名称空间前缀等），则将失败。如果您的意思是“内容相同，属性，权限，集合等相同”，则需要进行其他检查。
如果您知道GIT的工作原理，那将是一个很好的心理模型。您可以2个内容相同的文件，但这并不意味着它们是“重复项”-
一个更微妙的问题是，如果您的意思是2个具有相同URI的文档-如果您在森林中乱堆，就会发生。创建2个数据库，将/a.xml放在每个数据库中，然后将目录林与其中一个分离，然后将其附加到另一个数据库中-现在您可以拥有2个具有相同URI的文档（内容相同或不同）。不要那样做对于非xml文档（或xml文档），您可以比较文本序列化格式-我建议您对所有文档进行计算的哈希（例如md5）-然后可以比较哈希值以查看文档*是否具有相同的标准化文本内容”（与“重复”完全不同）

如何在MarkLogic服务器中识别重复文档？

2 个答案: