Xquery 中的分组和计数

Posted

技术标签:

【中文标题】Xquery 中的分组和计数【英文标题】：Grouping and counting in Xquery 【发布时间】：2012-03-13 03:53:13 【问题描述】：

听到的是 XML。我正在尝试获取 作者 在 2012 年 15 月 2 日至 2012 年 2 月 24 日 的日期范围内发布的标题数量从高到低（标题数量）。

<entries>
<entry>
    <id>1</id>
    <published>23/02/2012</published>
    <title>Title 1</title>
    <content type="html">This is title one</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>
<entry>
    <id>2</id>
    <published>22/02/2012</published>
    <title>Title 2</title>
    <content type="html">This is title two</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>
<entry>
    <id>3</id>
    <published>21/02/2012</published>
    <title>Title 3</title>
    <content type="html">This is title three</content>
    <author>
        <name>Rob</name>
    </author>
</entry>
<entry>
    <id>4</id>
    <published>20/02/2012</published>
    <title>Title 4</title>
    <content type="html">This is title four</content>
    <author>
        <name>Bob</name>
    </author>
</entry>
<entry>
    <id>5</id>
    <published>19/02/2012</published>
    <title>Title 1</title>
    <content type="html">This is title five</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>

我正在尝试从 xquery 获取输出：

<?xml version="1.0" encoding="UTF-8"?>
<results>
<result>
    <author>
        <name>Pankaj</name>
    </author>
    <numberOfTitles>3</numberOfTitles>
</result>
<result>
    <author>
        <name>Rob</name>
    </author>
    <numberOfTitles>1</numberOfTitles>
</result>
<result>
    <author>
        <name>Bob</name>
    </author>
    <numberOfTitles>1</numberOfTitles>
</result>

请帮帮我..

【问题讨论】：

这可能取决于您使用的 XQuery 版本。应该使用什么 XQuery 处理器/数据库来运行该查询？ 我正在使用氧气 (Saxon-PE Xquery9.2.0.6) 进行开发。最后我必须通过 Marklogic 上的 XCC api 运行这个查询。 【参考方案1】：

此 XQuery 1.0 解决方案可由任何兼容的 XQuery 1.0 处理器执行：

注意：不使用group by 和distinct-values()。

<results> 
 
 let $entries := 
    /*/entry
           [for $d in 
                    xs:date(string-join(reverse(tokenize(published, '/')), '-'))
                return
                   xs:date('2012-02-15') le $d and $d le xs:date('2012-02-24')
             ],

  $vals := $entries/author/name
      return
         for $a in  $vals[index-of($vals, .)[1]],
                $cnt in count(index-of($vals, $a)) 
           order by $cnt descending
             return
              <result>
                <author>
                  $a
                 </author>
                 <numberOfTitles>
                   count(index-of($vals, $a))
                 </numberOfTitles>
              </result>
    
</results>

应用于提供的 XML 文档时：

<entries>
    <entry>
        <id>1</id>
        <published>23/02/2012</published>
        <title>Title 1</title>
        <content type="html">This is title one</content>
        <author>
            <name>Pankaj</name>
        </author>
    </entry>
    <entry>
        <id>2</id>
        <published>22/02/2012</published>
        <title>Title 2</title>
        <content type="html">This is title two</content>
        <author>
            <name>Pankaj</name>
        </author>
    </entry>
    <entry>
        <id>3</id>
        <published>21/02/2012</published>
        <title>Title 3</title>
        <content type="html">This is title three</content>
        <author>
            <name>Rob</name>
        </author>
    </entry>
    <entry>
        <id>4</id>
        <published>20/02/2012</published>
        <title>Title 4</title>
        <content type="html">This is title four</content>
        <author>
            <name>Bob</name>
        </author>
    </entry>
    <entry>
        <id>5</id>
        <published>19/02/2012</published>
        <title>Title 1</title>
        <content type="html">This is title five</content>
        <author>
            <name>Pankaj</name>
        </author>
    </entry>
</entries>

产生想要的正确结果：

<?xml version="1.0" encoding="UTF-8"?>
<results>
   <result>
      <author>
         <name>Pankaj</name>
      </author>
      <numberOfTitles>3</numberOfTitles>
   </result>
   <result>
      <author>
         <name>Rob</name>
      </author>
      <numberOfTitles>1</numberOfTitles>
   </result>
   <result>
      <author>
         <name>Bob</name>
      </author>
      <numberOfTitles>1</numberOfTitles>
   </result>
</results>

【讨论】：

【参考方案2】：

这里有一个专门针对 MarkLogic 的解决方案，使用地图来有效地实现分组。输入 XML 已声明为 $INPUT，但您可以将其替换为对 doc() 或任何其他访问器的调用。

我在去年的一篇博文中也探讨了这个话题：http://blakeley.com/blogofile/archives/560/

element results 
  let $m := map:map()
  let $start := xs:date('2012-02-15')
  let $stop := xs:date('2012-02-24')
  let $group :=
    for $entry in $INPUT/entry
    let $key := $entry/author/name/string()
    let $date := xs:date(xdmp:parse-yymmdd("dd/MM/yyyy", $entry/published))
    where $date ge $start and $date le $stop
    return map:put($m, $key, 1 + (map:get($m, $key), 0)[1])
  for $key in map:keys($m)
  let $count := map:get($m, $key)
  order by $count
  return element result 
    element author  element name  $key ,
    element numberOfTitles  $count

【讨论】：

【参考方案3】：

这是我的解决方案：

<results>
  for $entry in //entry
  let $date := xs:date(string-join(reverse(tokenize($entry/published, '/')), '-')),
      $author := $entry/author/string()
  where xs:date('2012-02-15') le $date and $date le xs:date('2012-02-24')
  group by $author
  order by count($entry) descending
  return <result>
    <author>
      <name>$author</name>
    </author>,
    <numberOfTitles>count($entry)</numberOfTitles>
  </result>
</results>

当使用BaseX 执行时，它会产生正确的结果。

它使用XQuery 3.0 features like group by，否则会更复杂。我不知道 MarkLogic 是否支持。

【讨论】：

+1 你可以在zorba-xquery.com/html/demo#1zS5NQ3DYQ1USnlxWN8c9+67KJA=现场试用解决方案【参考方案4】：

以下内容应该适用于大多数处理器。您可以在 MarkLogic 中进行更高效的查询，但这会让您开始。

let $doc := <entries>
<entry>
    <id>1</id>
    <published>23/02/2012</published>
    <title>Title 1</title>
    <content type="html">This is title one</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>
<entry>
    <id>2</id>
    <published>22/02/2012</published>
    <title>Title 2</title>
    <content type="html">This is title two</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>
<entry>
    <id>3</id>
    <published>21/02/2012</published>
    <title>Title 3</title>
    <content type="html">This is title three</content>
    <author>
        <name>Rob</name>
    </author>
</entry>
<entry>
    <id>4</id>
    <published>20/02/2012</published>
    <title>Title 4</title>
    <content type="html">This is title four</content>
    <author>
        <name>Bob</name>
    </author>
</entry>
<entry>
    <id>5</id>
    <published>19/02/2012</published>
    <title>Title 1</title>
    <content type="html">This is title five</content>
    <author>
        <name>Pankaj</name>
    </author>
</entry>
</entries>

return
 <results>
    
        for $author in distinct-values($doc/entry/author/name/string())
        return
        <result><author>
            <name>$author</name>
            <numberOfTitles>count($doc/entry[author/name/string() eq $author]) </numberOfTitles>
        </author></result>
    
 </results>

【讨论】：

您可以在 $doc/entry[author/name/string() eq $author and XXXX ] 等条目的谓词中添加日期约束；将 XXX 替换为解析您拥有的日期格式并进行必要比较的逻辑。 这不会过滤日期，也不会排序，是吗？ 不，我很懒，但我会做一些类似于你的回答的事情。在谓词中添加另一个位以过滤到日期范围，然后按 count($doc/entry[author/name/string() eq $author]) 添加顺序进行排序。【参考方案5】：

这是另一个类似于 Leo Wörteler 的解决方案：

declare function local:FormatDate($origDate as xs:string) as xs:date 
  
      xs:date(string-join(reverse(tokenize($origDate, '/')), '-'))
  ;

<results>
  
  for $author in distinct-values(/entries/entry/author/name)
  let $startDate := xs:date('2012-02-15')
  let $endDate := xs:date('2012-02-24')
  order by count(/entries/entry[author/name=$author][$startDate <= local:FormatDate(published) and local:FormatDate(published) <= $endDate]) descending
  return
    <result>
      <author>
        <name>$author</name>
      </author>
      <numberOfTitles>count(/entries/entry[author/name=$author][$startDate <= local:FormatDate(published) and local:FormatDate(published) <= $endDate])</numberOfTitles>
    </result>
  
</results>

【讨论】：

【参考方案6】：

基于地图的解决方案+1。其他解决方案有一个 count(/entry/author[$name=xx]) clause 或其他 XPath 嵌套在 FLWOR 内，这实际上是一个嵌套循环。嵌套循环会导致 O(N^2) 性能，这在测试中可能很好，但一旦数据大小增长就会变慢。

【讨论】：

以上是关于Xquery 中的分组和计数的主要内容，如果未能解决你的问题，请参考以下文章

sqlalchemy中的分组和计数功能

Datastax Search / Solr中的分组和计数（*）

XSLT 1.0 中的分组和计数

按组中的前 n（最少）项计数和分组

SAS中如何分组计数，并将值保存到宏变量

对数组中的项目进行分组和计数的简洁方法