使用 eXist-db 进行不区分大小写的搜索

Question

我正在经历客户发布的最终改进，这需要我执行不区分大小写的查询。我将基本上介绍这个简单程序的工作原理。

首先，在我的 Java 类中，我做了一个相当简单的网页解析：

title=(String)results.get("title");
doc = docBuilder.parse("http://" + server + ":" + port + "/exist/rest/db/wb/xql/media_lookup.xql?" + "&title="  + title);

这个 Java 语句引用了存储在 localhost 上的 XQuery 文件“media_lookup.xql”，我们传递的唯一参数是字符串“title”。

其次，让我们看一下该 XQuery 文件：

$title := request:get-parameter('title',""),

$mediaNodes := doc('/db/wb/portfolio/media_data.xml'),
$query := $mediaNodes//media[contains(title,$title)],

然后它将评估该查询。该 XQuery 将获取从 Java 类传递的“title”参数，并查询存储在数据库中的“media_data”xml 文件，该文件包含一堆带有“title”元素节点的媒体节点。正如您所期望的，这个简单的查询将只匹配那些“title”元素包含字符串“title”值的子字符串的媒体节点。因此，如果我们的“标题”是“Chi”，它将返回标题可能是“Chicago”或“Chicken”的媒体节点。

客户提出的细化要求是不应该区分大小写。非常直观的方法是通过使用其中的小写函数来修改 XQuery 语句，例如：

$query := $mediaNodes//media[contains(lower-case(title/text(),lower-case($title))],

但是，问题来了：这个修改后的查询将使我的机器内存溢出。由于我的“media_data.xml”非常巨大并且包含数以千计的媒体节点， 我假设 lower-case() 函数将在每个条目上运行，从而导致机器崩溃。

我和一些经验丰富的 XQuery 程序员交谈过，他们认为我应该使用索引来解决这个问题，我一定会对此进行研究。但在此之前，我只是将这个问题发布在这里以获得其他想法或任何建议，您认为其他方法可能有帮助吗？例如，我可以调整 Java 解析语句以实现不区分大小写吗？因为我想我看到有些人通过使用“包含”进行了一些字符串连接。在将其传递到服务器之前使用 Java 编写。

欢迎任何想法或帮助。

Answer 1

提交的优化请求
客户认为不应该有
区分大小写。非常直观的
方法是修改XQuery语句
通过在其中使用小写函数，
像：

$query := $mediaNodes//media
            [contains(lower-case(title/text(),lower-case($title))], 

但是，问题来了：这个
修改后的查询将运行我的机器
导致内存溢出。自从我的
“media_data.xml”相当大并且
包含数以千万计的媒体
节点，我假设小写（）
函数将在每个上运行
条目，从而导致机器
崩溃。

这种担心是没有道理的。

任何正常的 XPath 实现都使用自动记忆来实现其功能。这意味着评估特定谓词所需的内存（包括 lower-case() 的结果）将在评估后立即被释放（在没有垃圾收集的语言中）或不再被引用并准备好进行垃圾收集谓词。

Answer 2

表索引可能不是解决方案，因为索引的绝对化会减慢速度，但不会触发内存溢出。

我认为最好的选择是复制数据库中的标题，将其复制为全小写（或大写，以更清楚地表明它已转换），并在显示正常标题时查询备用标题。

要节省一些处理，您可以在查询之前对 $product 进行大小写转换。

您可以在 URL 中删除 & 符号，我不确定所有网络服务器是否都能正确解析 ?&。