Question

我想获得一个包含Marklogic数据库中所有不同文档结构的列表。

e.g。包含这3个文档的数据库：

1）＆lt; document＆gt;＆lt; name＆gt; Robert＆lt; / name＆gt;＆lt; / document＆gt;
2）＆lt; document＆gt;＆lt; name＆gt;标记＆lt; / name＆gt;＆lt; / document＆gt;
3）＆lt; document＆gt;＆lt; fname＆gt; Robert＆lt; / fname＆gt;＆lt; lname＆gt; Smith＆lt; / lname＆gt;＆lt; / document＆gt;

将返回数据库中有两个唯一的文档结构，一个由2个文档使用，另一个由1个文档使用。

我正在使用这个xquery并且正确地返回了唯一元素序列列表：

for $i in distinct-values(for $document in doc()
return <div>{distinct-values(
for $element in $document//*/*/name() return   <div>{$element}</div>)}   </div>)
return $i

我很欣赏这段代码不会处理重复的元素名称，但现在还可以。

我的问题是：

1）有更好/更有效的方法吗？我假设是的。
2）有没有办法获得足够的细节，以便我可以建立每个独特结构的xml树？ 3）返回每个不同结构的计数的最佳方法是什么，例如2和1以及上面的例子

Answer 1

如果你有一个有限的元素列表，你需要考虑共同出现或其他类似的解决方案：https://docs.marklogic.com/cts:value-co-occurrences

这需要对每个元素进行范围索引。

尽可能使用MarkLogic最好使用索引。我能想到的另一个解决方案是，您实际上为每个有问题的文档创建目标内容值的哈希/校验和，并将其与文档一起存储（如果您恰好拥有语义许可，则存储在三元组中）。然后你就已经拥有了一把钥匙独特的组合。

Answer 2

1）有更好/更有效的方法吗？我假设是的。

如果由我决定，我会以一致的方式创建文档（就像您正在做的那样），然后对其进行哈希处理，并将哈希作为集合附加到每个文档。然后我可以统计每个集合中的文档。我没有看到任何有效的方法（使用索引）来获取计数而没有先写入文档内容或元数据（集合是一种元数据），然后查询索引。

2）有没有办法获得足够的细节，以便我可以构建每个独特结构的xml树？

获得每个集合的计数后，您可以从每个集合中检索一个文档并遍历它以构建一个空的XML结构。如果你已经知道XSLT，XSLT可能是一个很好的方法。

3）返回每个不同结构的计数的最佳方法是什么？ 2和1以及上面的例子

打开数据库上的收集词典。然后执行以下操作：

for cts中的$ collection：collections（） return（$ collection，cts：frequency（$ collection））

Answer 3

我不确定我是否完全遵循您的追求，但我想知道这是否更符合您的要求 - functx:distinct-element-paths($doc)

http://www.xqueryfunctions.com/xq/functx_distinct-element-paths.html

这是一个简单的例子：

xquery version "1.0-ml";
import module namespace functx = "http://www.functx.com" at "/MarkLogic/functx/functx-1.0-nodoc-2007-01.xqy";

let $doc := <document><fname>Robert</fname><lname>Smith</lname></document>

return 
    functx:distinct-element-paths($doc)

输出以下字符串（当然可以解析）：

document
document/fname
document/lname

Answer 4

根据数据的大小和所需的覆盖范围（需要100％采样），存在可以使用的第三方工具。搜索“从XML生成模式”- 这样的工具将查看样本集并推断出模式（xsd，dtd，rng等）。他们做的很准确，但并不总是像人类那样。如果他们没有本机ML集成，则需要公开服务或删除数据进行分析。

一旦拥有了架构，就将其加载到MarkLogic中，就可以在ML中以编程方式直接查询该架构（以及由其验证的元素）如果您找到在XSLT，XQuery或JavaScript中实现的“生成架构”工具，则可以在服务器中导入并执行该工具。

Marklogic - 获取Marklogic数据库

4 个答案: