2

我在 MarkLogic xml 数据库中有一堆文档。一份文件有：

<colors>
  <color>red</color>
  <color>red</color>
</colors>

拥有多种颜色不是问题。有多种颜色都是红色是一个问题。如何查找具有重复数据的文档？

4

4 回答 4

3

MarkLogic 返回的所有内容都只是一个节点序列，因此我们可以计算整体的序列大小并将其与不同值序列的计数进行比较。如果它们不是不同的，它们就是重复的，并且你有你的子集。

for $c in doc()//colors
where fn:count($c/color) != fn:count(fn:distinct-values($c/color))
return $c
于 2010-01-11T22:13:29.937 回答
2

这应该可以解决问题。我对 MarkLogic 不太熟悉，所以第一行获取文档集可能是错误的。这将返回具有相同字符串值的 2 个或更多颜色元素的所有文档。

for $doc in doc()
let $colors = $doc//color/string(.)
where some $color in $colors
      satisfies count($colors[. = $color] > 1)
return doc()
于 2009-01-15T10:04:49.100 回答
2

或者你可以完全用索引来完成它:)

for $c in doc()//colors可能会在较大的数据集上 创建EXPANDED TREE CACHE错误。

当数据很大时，这是一种稍微复杂的攻击方法，确保URI Lexicon 已打开，然后在元素颜色上添加元素范围索引，并计算在某处有重复的不同颜色值。然后仅循环遍历具有此颜色的文档，并计算文档中感兴趣颜色的项目频率计数。如果您的频率超过 1，则该文档需要重复数据删除。 

let $qn := xs:QName("color")
let $colorsWithItemFreq := cts:element-values($qn, (), ("ascending", "item-order", "item-frequency"))
let $colorsOfInterest := 
    for $color at $i in cts:element-values($qn, (), ("ascending", "item-order", "fragment-frequency"))
    let $fragFrequency := cts:frequency($color)
    let $itemFrequency := cts:frequency($colorsWithItemFreq[$i])
    where $itemFrequency gt $fragFrequency
    return 
        $color

for $uri in cts:uris( (), ("document"), cts:element-value-query($qn, $colorsOfInterest)
let $colorsWithDuplicationInThisDoc :=
    for $color in cts:element-values($qn, (), ("item-frequency"), cts:document-query($uri) )
    where $color = $colorsOfInterest and cts:frequency($color) gt 1
    return
        $color
where fn:count( $colorsWithDuplicationInThisDoc ) gt 1
return
    $uri

希望有帮助。

于 2013-07-30T01:18:55.117 回答
1

对于这个 XML：

<?xml version="1.0"?>
<colors>
    <color>Red</color>
    <color>Red</color>
    <color>Blue</color>
</colors>

使用此 XSD：

<?xml version="1.0"?>
<xsl:stylesheet version="1.0"
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

    <xsl:output method = "text" />  
    <xsl:strip-space elements="*"/>

    <xsl:template match="colors">

        <xsl:for-each select="color">
            <xsl:variable name="node_color" select="text()"/>
            <xsl:variable name="numEntries" select="count(../color[text()=$node_color])"/>
            <xsl:if test="$numEntries &gt; 1">
                <xsl:text>Color value of </xsl:text><xsl:value-of select="."/><xsl:text> has multiple entries &#xa;</xsl:text>      
            </xsl:if>
        </xsl:for-each>
    </xsl:template>
</xsl:stylesheet>

我得到了这个输出：

Color value of Red has multiple entries 
Color value of Red has multiple entries

所以至少会找到它们，但它会报告每次出现的重复颜色，而不仅仅是每个重复的颜色。

于 2009-01-26T19:10:15.010 回答