XQuery如何搜索文本？-XML/RSS教程-PHP中文网

答案：XQuery通过字符串函数和正则表达式实现文本搜索，不区分大小写可用lower-case()或matches()的'i'标志，全文搜索扩展适用于大规模、复杂需求。

xquery如何搜索文本？

XQuery在文本搜索方面，主要依赖一系列内建的字符串函数和正则表达式匹配功能。对于更高级、更复杂的文本检索需求，许多XQuery实现还提供了强大的全文搜索（Full-Text Search, FTS）扩展。

解决方案

要使用XQuery搜索文本，我们通常会结合XPath路径表达式和谓词，利用以下几种核心方法：

1. 基本字符串匹配函数： 这是最直接的方式，适用于简单的子串查找、开头或结尾匹配。

```
fn:contains($input-string, $substring)
```
登录后复制
：检查
```
$input-string
```
登录后复制
是否包含
```
$substring
```
登录后复制
。
```
//book[contains(title, 'XQuery')]
```
登录后复制
这条表达式会找出所有标题中包含“XQuery”的
```
<book>
```
登录后复制
元素。

fn:starts-with($input-string, $substring)

登录后复制

：检查

$input-string

登录后复制

是否以

$substring

登录后复制

开头。

//chapter[starts-with(title, 'Introduction')]

登录后复制

fn:ends-with($input-string, $substring)

登录后复制

：检查

$input-string

登录后复制

是否以

$substring

登录后复制

结尾。

//article[ends-with(@id, 'v2')]

登录后复制

```
fn:matches($input-string, $pattern, $flags)
```
登录后复制
：这才是真正的正则表达式匹配利器，提供了极大的灵活性。
```
//product[matches(description, '.*(new|latest) model.*', 'i')]
```
登录后复制
这里会匹配描述中包含“new model”或“latest model”（不区分大小写）的
```
<product>
```
登录后复制
。

2. 结合大小写转换进行不区分大小写的搜索： 标准字符串函数是区分大小写的。为了实现不区分大小写的搜索，我们需要先将文本转换成统一的大小写格式。

```
fn:lower-case($input-string)
```
登录后复制
：将字符串转换为小写。
```
fn:upper-case($input-string)
```
登录后复制
：将字符串转换为大写。
```
//item[contains(lower-case(name), 'apple')]
```
登录后复制
这条查询会找到名称中包含“apple”、“Apple”、“APPLE”等的所有
```
<item>
```
登录后复制
。

3. 利用全文搜索（Full-Text Search, FTS）扩展： 虽然XQuery 3.1标准本身没有定义全文搜索功能，但许多商业和开源XQuery数据库（如MarkLogic, BaseX, eXist-db）都提供了强大的FTS扩展。这些扩展通常允许：

词干提取（Stemming）：例如，搜索“run”也能找到“running”、“ran”。
停用词（Stop Words）：忽略“a”、“the”、“is”等常见词。
短语搜索（Phrase Search）：精确匹配一个词组，如“"XQuery tutorial"”。
邻近搜索（Proximity Search）：查找两个词在文本中彼此靠近的情况。
相关性评分（Relevance Scoring）：根据匹配度对结果进行排序。
索引优化：显著提高大型文本数据集上的搜索性能。

例如，在MarkLogic Server中，你可能会看到这样的查询：

cts:search(//document, cts:word-query("XQuery", ("stemmed", "case-insensitive")))

登录后复制

这会利用MarkLogic的全文索引，高效地搜索包含“XQuery”或其词干形式的文档，并且不区分大小写。

选择哪种方法，很大程度上取决于你的数据规模、搜索需求的复杂性以及你所使用的XQuery处理器的能力。

如何在不区分大小写的情况下进行文本搜索？

不区分大小写的文本搜索在很多实际应用中都是一个基本需求。想象一下，用户可能输入“apple”，而你的数据里存储的是“Apple”或“APPLE”。如果直接使用

fn:contains

登录后复制

，这些结果就会被遗漏。解决这个问题，XQuery提供了两种主要策略。

最直接的方法是利用

fn:lower-case()

登录后复制

或

fn:upper-case()

登录后复制

函数。在进行比较之前，将待搜索的文本和搜索关键词都统一转换成小写（或大写）。例如，如果你想在

<description>

登录后复制

元素中查找“widget”，无论它如何大小写，你可以这样写：

//product[contains(lower-case(description), 'widget')]

登录后复制

这里，

lower-case(description)

登录后复制

会将每个产品的描述文本都转换为小写，然后再与小写的“widget”进行比较。这种方法简单有效，适用于所有支持XQuery 1.0或更高版本的处理器。

另一种方法是利用正则表达式的标志位。如果你使用

fn:matches()

登录后复制

函数，可以传入一个“i”标志，表示进行不区分大小写的匹配。

//product[matches(description, 'widget', 'i')]

登录后复制

这种方式更简洁，并且在处理复杂模式时，正则表达式的强大功能可以让你事半功半。我个人认为，对于简单的子串匹配，

lower-case()

登录后复制

结合

contains()

登录后复制

已经足够直观；但如果你的搜索模式开始变得复杂，比如需要匹配多种变体或特定格式，那么

matches()

登录后复制

加

'i'

登录后复制

标志无疑是更优雅、更强大的选择。需要注意的是，正则表达式匹配通常比简单的字符串函数有更高的计算开销，尤其是在大型数据集上。

纳米搜索

纳米搜索：360推出的新一代AI搜索引擎

查看详情

XQuery的正则表达式匹配能力有哪些？

XQuery的正则表达式匹配能力主要由

fn:matches()

登录后复制

、

fn:replace()

登录后复制

和

fn:tokenize()

登录后复制

这三个函数提供，它们都遵循W3C XPath/XQuery Functions and Operators 3.1规范中定义的正则表达式语法，这与Perl、Java等语言的正则表达式语法非常相似，因此，如果你熟悉这些，上手XQuery的正则会非常快。

fn:matches($input, $pattern, $flags)

登录后复制

：这是最核心的匹配函数，它返回一个布尔值，表示

$input

登录后复制

字符串是否与

$pattern

登录后复制

正则表达式匹配。

$flags

登录后复制

参数是一个可选字符串，用于修改匹配行为。

常见的
$flags
登录后复制
：
- ```
i
```
  登录后复制
  ：不区分大小写匹配。
- ```
m
```
  登录后复制
  ：多行模式，
```
^
```
  登录后复制
  和
```
$
```
  登录后复制
  会匹配行的开头和结尾，而不仅仅是整个字符串的开头和结尾。
- ```
s
```
  登录后复制
  ：点号（
```
.
```
  登录后复制
  ）匹配所有字符，包括换行符。默认情况下，点号不匹配换行符。
- ```
x
```
  登录后复制
  ：允许模式中的空白和注释（用于提高可读性）。

示例：

查找包含数字的文本：
```
//paragraph[matches(., '.*\d+.*')]
```
登录后复制
这会找到所有包含至少一个数字的段落。
查找看起来像电子邮件地址的文本：
```
//contact[matches(email, '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$')]
```
登录后复制
这个模式尝试匹配一个标准的电子邮件地址格式。

fn:replace($input, $pattern, $replacement, $flags)

登录后复制

：这个函数用于替换匹配正则表达式的部分。

$replacement

登录后复制

字符串可以包含捕获组引用（如

$1

登录后复制

$2

登录后复制

），这在重构文本时非常有用。

示例：

将文本中的所有HTML标签替换为空字符串（简单示例）：
```
fn:replace("<b>Hello</b> <i>world</i>", '<[^>]+>', '')
(: 结果: "Hello world" :)
```
登录后复制

fn:tokenize($input, $pattern, $flags)

登录后复制

：这个函数根据正则表达式将输入字符串分割成一个字符串序列。

示例：

按空格和标点符号分割句子为单词：

fn:tokenize("Hello, world! How are you?", '[ ,.!?]+')
(: 结果: ("Hello", "world", "How", "are", "you") :)

登录后复制

正则表达式在XQuery中提供了一种非常灵活且强大的方式来处理复杂的文本模式。无论是验证输入、提取特定信息还是重构文本，正则都是不可或缺的工具。然而，它的复杂性也意味着需要更仔细的测试和优化，以避免潜在的性能问题。

何时应该考虑使用XQuery的全文搜索扩展而不是标准函数？

这是一个非常关键的问题，因为它直接关系到查询的效率、功能性和用户体验。我的经验是，标准字符串函数和正则表达式固然强大，但它们在处理大规模、非结构化或半结构化文本数据时，往往会遇到瓶颈。

你应当优先考虑使用XQuery的标准字符串函数（如

contains

登录后复制

,
starts-with
登录后复制
,
matches
登录后复制
）的情况：

数据量相对较小： 如果你的XML文档集不大，或者你只需要在少量元素内容中进行搜索，标准函数通常足够快。
搜索模式简单直接： 只需要精确匹配某个子串，或者简单的正则表达式模式。
不需要高级语言学功能： 你不需要词干提取、同义词扩展、停用词处理等功能。
资源限制： 你使用的XQuery处理器不支持全文搜索扩展，或者你不想引入额外的索引管理复杂性。
精确匹配需求： 有时你就是需要一个字不差的匹配，而不是模糊匹配。

然而，当你的需求超越了这些范畴，尤其是遇到以下情况时，强烈建议转向使用XQuery的全文搜索（FTS）扩展：

处理海量文本数据： 当你的XML文档包含大量文本内容，并且需要频繁地进行搜索时，标准函数会因为需要扫描整个文本而变得极其缓慢。FTS通过预先构建索引，能将搜索时间从几秒甚至几分钟缩短到毫秒级。
需要语言学支持： 真正的用户搜索往往需要智能地理解语言。例如，用户搜索“run”，他们可能也想找到“running”、“ran”等。FTS的词干提取、同义词库等功能可以满足这些需求。
需要相关性排序： 用户搜索一个词，他们希望最相关的结果排在前面。FTS通常会根据词频、位置、文档长度等因素计算相关性分数，并据此对结果进行排序。这是标准函数无法提供的。
复杂的搜索逻辑： 比如短语搜索（“exact phrase”）、邻近搜索（“word1 NEAR word2”）、权重搜索（给某些词更高的权重）。这些在标准XQuery中实现起来非常复杂，甚至不可能，但在FTS中却是基本功能。
性能是关键考量： 如果你的应用对搜索响应时间有严格要求，FTS的索引优化是不可或缺的。
多语言支持： 许多FTS引擎提供了针对不同语言的词干提取和停用词列表。