MongoDB聚合查询重复台词最多的场景（需输出剧名、幕、场）

原查询的核心偏差 #

原语句的统计逻辑完全偏离需求：直接对单条台词文本做全局计数，本质是统计整个数据集里相同文本台词的总出现次数，既没有绑定台词所属的场景信息，也没有按场景维度聚合重复值，自然拿不到对应剧名、幕号、场号的关联结果；同时逐层unwind过程没有保留场景、剧目本身的定位字段，后续统计完全丢失了上下文关联。

修正后的聚合执行逻辑 #

• 逐层拆解嵌套结构，每一层拆解时同步保留对应的定位字段：剧目名称、幕的索引、场的索引
• 先按「场景+具体台词文本」分组，统计同一场景内重复出现的台词次数
• 过滤掉仅出现1次的非重复台词，再按场景维度汇总累计重复台词总条数
• 按重复总条数降序排序，取排名第一的场景即为所求目标

可直接运行的修正查询 #

db.william.aggregate([
  // 拆解幕层级，保留幕的位置索引
  { $unwind: { path: "$acts", includeArrayIndex: "act_index" } },
  // 拆解场层级，保留场的位置索引
  { $unwind: { path: "$acts.scenes", includeArrayIndex: "scene_index" } },
  // 拆解场景下的动作段落
  { $unwind: "$acts.scenes.action" },
  // 拆解单条台词
  { $unwind: "$acts.scenes.action.says" },
  // 按场景+单条台词分组，统计场景内同台词的重复次数
  {
    $group: {
      _id: {
        play_name: "$name", // 数据集顶层存储的剧目名字段
        act_no: { $add: ["$act_index", 1] }, // 数组索引从0开始，转换为常规从1计数的幕号
        scene_no: { $add: ["$scene_index", 1] }, // 转换为常规从1计数的场号
        line_text: "$acts.scenes.action.says"
      },
      single_line_repeat: { $sum: 1 }
    }
  },
  // 过滤掉非重复的单次出现台词
  { $match: { single_line_repeat: { $gt: 1 } } },
  // 按场景汇总，统计单场景内所有重复台词的总条数
  {
    $group: {
      _id: {
        play_name: "$_id.play_name",
        act_no: "$_id.act_no",
        scene_no: "$_id.scene_no"
      },
      scene_total_repeat: { $sum: "$single_line_repeat" }
    }
  },
  // 按重复条数降序排序，取重复值最高的场景
  { $sort: { scene_total_repeat: -1 } },
  { $limit: 1 }
])

输出结果说明 #

返回条目会直接携带需求要求的全部定位信息：对应所属剧名、幕号、场号，同时附带该场景的累计重复台词总数值，完全匹配查询目标。

内容的提问来源于stack exchange，提问作者Json