Question

我有一个xml文件，如下所示

<?xml version="1.0" encoding="UTF-8"?>
<document-envelope xmlns="http://abc/content-repo/envelope">
  <metadata xmlns="http://abc/content-repo/metadata">
    <name>48363ff1d9e0a48dc9e578f0f4519564628fdbbc.docx</name>
    <SubjectMatter>
    Combination Therapy; Comparative Efficacy; Pharmacokinetics/Pharmacodynamics; Safety; Serum Drug Levels; Therapeutic Drug Monitoring (TDM)
    </SubjectMatter>
  </metadata>
</document-enevelope>

我为SubjectMatter创建了字段和字段范围索引。

我的困境是，当我为SubjectMatter创建一个方面时，它会将<SubjectMatter>中的整个内容视为一个唯一的实体。但我想做';'分隔文本作为唯一实体。例如：对于上面的样本xml，我希望facet是

Combination Therapy
Comparative Efficacy
Pharmacokinetics/Pharmacodynamics
Safety
Serum Drug Levels
Therapeutic Drug Monitoring (TDM)

我知道我可以通过解析字符串并在构造信封时将每个字符串添加为单独的SubjectMatter来实现此目的。

我想知道是否有另一种方法可以做到这一点，而不在文档信封中创建多个SubjectMatter xml标签？

以下是一个示例xml文件..

<?xml  version="1.0" encoding="UTF-8"?>
<document-envelope xmlns="http://abc/content-repo/envelope">
  <metadata xmlns="http://abc/content-repo/metadata">
    <name>2747f031c217f9e23f1e2c1e600ee48cc703494a.pdf</name>
    <context>GMA</context>
    <mime-type>application/pdf</mime-type>
    <file-type>PDF</file-type>
    <virtual-path>KN</virtual-path>
    <id>54a7b5298b5574ea7e5b743a2817d6c5ad723ac4</id>
    <uploadDate>2016-07-13T02:55:00.000-05:00</uploadDate>
    <remoteURL>https://teams.abbvienet.com/gprd/gma/KM/Lists/Library/Attachments/1120/Hawaii Derm 2013 Meeting Summary CSM Ed.pdf?Web=1</remoteURL>
    <displayFilename>Hawaii Derm 2013 Meeting Summary CSM Ed.pdf</displayFilename>
    <Title xmlns="http://abc/content-repo/metadata/gma">Hawaii Derm 2013 Meeting Summary CSM Ed</Title>
    <Modified-Date xmlns="http://abc/content-repo/metadata/gma">2016-07-13T02:55:00.000-05:00</Modified-Date>
    <author>a-gangapx</author>
    <Presenter xmlns="http://abc/content-repo/metadata/gma">US MSLs</Presenter>
    <Organization xmlns="http://abc/content-repo/metadata/gma">Malhotra, Kailash</Organization>
    <Description xmlns="http://abc/content-repo/metadata/gma">Regional Medical Meeting Report</Description>
    <Therapeutic-Area xmlns="http://abc/content-repo/metadata/gma">7. Immuno - Dermatology</Therapeutic-Area>
    <Disease-State xmlns="http://abc/content-repo/metadata/gma">7. Ps</Disease-State>
    <Material-Type xmlns="http://abc/content-repo/metadata/gma">Report</Material-Type>
    <SubjectMatter xmlns="http://abc/content-repo/metadata/gma">Safety; Pediatrics</SubjectMatter>
    <Region xmlns="http://abc/content-repo/metadata/gma">United States</Region>
    <Language xmlns="http://abc/content-repo/metadata/gma">English</Language>
    <Publication-Date xmlns="http://abc/content-repo/metadata/gma">2013-02-10T00:00:00.000-06:00</Publication-Date>
    <Active-Date xmlns="http://abc/content-repo/metadata/gma">2014-02-07T00:00:00.000-06:00</Active-Date>
    <Expiration-Date xmlns="http://abc/content-repo/metadata/gma">2014-01-01T00:00:00.000-06:00</Expiration-Date>
    <Congress xmlns="http://abc/content-repo/metadata/gma">Other</Congress>
    <Congress-Year xmlns="http://abc/content-repo/metadata/gma">2013</Congress-Year>
    <Endorsement xmlns="http://abc/content-repo/metadata/gma">MSL</Endorsement>
  </metadata>
</document-envelope>

Answer 1

对于MarkLogic方面的本地使用，我认为重构信封是最合乎逻辑的方法。

如果您想保持数据不变，那么您可能认为这种方法可以接受：

在subjectMatter元素*

上创建一个字段

添加词典
并自定义标记生成器，仅在＆＃39;;＆＃39;

此时，您可以按照自己的方式在词典中获取信息。

然后查看文档中是否有可用的工具t "Browsing with Lexicons＆＃34;对你来说已经足够了。

为什么一个字段而不是一个elementWordLexicon？如果我们使用字段，那么我们可以使用管理界面中的可用设置。如果我们使用elementWordLexicon，那么我们将注册自定义标记生成器。我描述的字段选项在索引时确实有更多的开销。但是，实施起来要容易一些。

Answer 2

如果您希望为每个分隔值设置单独的构面计数，那么我认为您必须创建单独的元素。如果您只关心计算组合值的匹配数，那么您可以构建自定义约束（假设您使用的是Search API），并在查询时解析它们。但是，对于重叠的值组合，您可能仍需要特殊处理。

通过构建Aggregate User-Defined Function plugin，可以在不创建多个SubjectMatter元素的情况下计算单独的值;但是，除非你对文件没有任何控制权，否则将它们拆分可能要简单得多。

基于字段或元素范围索引的构面

2 个答案: