Marklogic：从元素字获取字数词典

Question

我有两个示例XML文件如下：

abc.xml

<data> 
<text>i am a test user and doing testing here more and more. What are you doing?</text> 
<data> 

def.xml

<data> 
<text>We are a doing nothing here you can say it time pass. what are you doing?</text> 
<data> 

现在我为<text>元素创建了单词词典。我感兴趣的是以下几点：

1. 让所有独特的文字和其在整个DB数（有 仅上述两个文件了）。
2. 让所有独特字指定的文件

Answer 1

见http://docs.marklogic.com/guide/search-dev/lexicon#chapter

Answer 2

1）对于所有独特的文字和匹配碎片的数量：

for $w in cts:element-words(xs:QName('text')) 
return 
element word { 
    attribute count { 
     xdmp:estimate(cts:search(doc(), cts:word-query($w)) 
    }, 
    $w } 

这应该是相当快，但得到实际的字数而不是片段数，我认为你可能必须检查每个片段，并且这可能变得非常慢：

sum(
    cts:search(doc(), cts:word-query($w))/cts:highlight(., 
    cts:word-query($w),<match/>)/count(//match) 
) 

2）对于每个文件都是唯一的话：

for $d in doc() 
return element file { 
    for $w in cts:element-words(xs:QName('text'),(),(), 
     cts:document-query(xdmp:node-uri($d)) 
    return element word { $w } 
} 

如果你启用了URI的词汇，那么你就可以进一步优化2）通过遍历cts:uris()，而不是doc()并通过该值作为第四个参数到cts:element-values()，而不是在doc上调用xdmp:node-uri。