带或不带空白敏感度的 cts 搜索中的意外行为 - MarkLogic

Question

我们有两个包含以下元素的 XML 文档：

<!-- Document 1 -->

<LegacyCode>09Y14K012D3001</LegacyCode>

<!-- Document 2 -->

<LegacyCode>09 14 012 3001</LegacyCode>

我正在使用以下

cts:search

查询来获取这些文档：

cts:search(
  doc(),
  cts:and-query((
    cts:collection-query("XYZ"),
    cts:word-query("*09*14*012*3001*", ("punctuation-insensitive", "whitespace-insensitive", "wildcarded"))
  ))
)

但是，此查询不会返回预期的文档。有趣的是，如果我使用

"whitespace-sensitive"

选项，它会成功检索文档。

索引设置：

启用以下索引设置：

• 单词搜索

• 快速短语搜索

• 快速区分大小写的搜索

• 快速区分变音符号的搜索

• 尾随通配符搜索

• 尾随通配符单词位置

• 三字符搜索

• 三字词位置

• 两个字符搜索

• 单字符搜索

是什么导致了这种搜索行为？鉴于“空格”似乎在这里没有发挥任何作用，为什么

"whitespace-insensitive"

选项无法获取文档而

"whitespace-sensitive"

成功？

Answer 1

您的第二个文档

LegacyCode

元素具有

text()

值，该值将被标记并索引为多个“单词”，但第一个文档将有一个“单词”。

cts:word-query()

与

wildcard

和

whitespace-insensitive

可能不会做您想要/期望的事情。

通配符搜索规则

• 空格用作分词符，通配符匹配仅在单个单词内有效。例如，

  m*th*

  将匹配“method”，但不匹配“meet there”。

• 如果查询具有

  whitespace-sensitive

  选项，则空格将被视为单词字符。这对于匹配通配符值查询中的空格非常有用。您也可以在通配符单词查询中使用空格敏感选项，尽管它可能没有多大意义，因为它会比您预期的匹配更多。

因此，如果您有通配符并且想要匹配单词查询中的多个“单词”，则需要使用

whitespace-sensitive

才能匹配两个文档。

如果您知道要定位

LegacyCode

元素，并且您要查找的值是该元素中的唯一文本，那么您可能需要查看

cts:element-value-query()

或

cts:field-value-query()

而不是

cts:word-query()

。