如何优化CoRB批量更新MarkLogic文档方案？解决本地CSV访问问题

核心问题分析 #

你之前的方案在DOS控制台有效，是因为CoRB客户端与MarkLogic服务器在同一机器，uris.xqy在服务器端读取的路径指向的是同一机器的本地文件；但通过Gradle运行时，若MarkLogic服务器为远程节点，uris.xqy在服务器端执行时，访问的是服务器的文件系统，自然无法读取客户端（Gradle运行机器）的本地CSV。

最优解决方案：让CoRB客户端读取本地CSV，直接传递数据给处理模块 #

无需将CSV上传至Web服务器或内容库，利用CoRB原生的INPUT-FILE参数实现客户端侧读取CSV，跳过服务器端读取文件的步骤：

1. 配置CoRB的option.properties
   在配置文件中指定本地CSV路径，并开启从输入文件获取处理项：

   # 基础连接配置
   HOST=your-marklogic-host
   PORT=8000
   USERNAME=your-username
   PASSWORD=your-password
   DATABASE=your-content-db
   
   # 核心输入配置
   INPUT-FILE=C:/path/to/your/local.csv
   URIS-FROM-INPUT=true
   PROCESS-MODULE=process.xqy|ADHOC
   

2. 修改process.xqy处理每行数据
   直接通过corb:current-item()获取客户端传递的CSV行数据，解析后更新对应文档：

   xquery version "1.0-ml";
   import module namespace corb = "http://marklogic.com/xdmp/corb" at "/MarkLogic/corb/corb.xqy";
   
   let $line := corb:current-item()
   # 按CSV分隔符拆分（若包含逗号需用更安全的解析方式）
   let $csv-parts := fn:tokenize($line, ",")
   let $target-uri := $csv-parts[1]
   let $new-field-value := $csv-parts[2]
   
   return
     # 获取原文档并更新指定字段，保留原权限和集合
     xdmp:document-insert(
       $target-uri,
       xdmp:document-get($target-uri) => map:put("target-field", $new-field-value),
       xdmp:document-get-permissions($target-uri),
       xdmp:document-get-collections($target-uri)
     )
   

   若CSV包含带逗号的字段，建议使用MarkLogic的csv模块进行安全解析：

   import module namespace csv = "http://marklogic.com/csv" at "/MarkLogic/csv/csv.xqy";
   let $csv-record := csv:parse($line, map:entry("header", false()))
   let $target-uri := $csv-record[1]
   let $new-field-value := $csv-record[2]
   

替代方案：将CSV内容作为参数传递给服务器端模块（适用于小体积CSV） #

若需保留原有的uris.xqy逻辑，可在Gradle任务中读取本地CSV内容，通过CoRB的OPTIONS参数传递给服务器端模块：

1. 在Gradle任务中读取CSV文件内容，作为自定义参数传入CoRB
2. 在uris.xqy中通过corb:get-option("csv-content")获取内容，解析后返回复合对象

但此方案仅适合小体积CSV，避免因参数过大引发传输问题，优先推荐第一种方案。

内容的提问来源于stack exchange，提问作者XCELERENT - I want to dance