MongoDB如何提取正则匹配关键字并投影字段后分组

核心问题回应 #

1. 是否可通过MongoDB任意原生操作符获取正则匹配到的关键字 #

• MongoDB 4.2及以上版本提供了$regexFind、$regexFindAll两个原生聚合操作符，可直接返回正则匹配的完整结果，包含匹配到的子串、捕获组内容，无需依赖自定义JS就能拿到匹配的关键字。
• 低于4.2的版本仅支持$regex做字段匹配过滤，没有内置的正则结果捕获能力，无法直接返回匹配到的关键字内容。
• 针对存储路径的字段，用$regexFind匹配时，只要写好对应日期段的正则规则，就能直接提取出路径中嵌入的日期值，逻辑和已编写的fetch_date函数完全一致。

2. 是否可使用自定义JS函数投影新字段，之后再对字段执行$group分组操作 #

• 完全支持该实现路径，不同版本的适配方式有区别：
  • MongoDB 4.4及以上版本可在$project阶段通过$function操作符调用已编写的fetch_date自定义JS函数，将提取的日期值赋值给新的dt字段
  • 旧版本可通过mapReduce流程，在映射阶段调用自定义JS完成日期字段提取，再进入分组统计环节
• 投影生成dt字段后，后续的聚合管道可以直接把dt作为$group的分组键，配合$sum: 1统计每个日期的文档数量，最终输出格式完全匹配给出的样例。
• 注意：自定义JS执行逻辑无法享受MongoDB原生操作符的性能优化，在大数据量场景下的聚合速度会明显低于原生实现，版本支持的前提下优先选用原生正则捕获操作符更合理。

参考实现代码 #

4.2+ 版本原生实现参考（无自定义JS依赖）：

db.your_collection.aggregate([
  {
    $project: {
      // 提取路径中匹配到的日期值
      dt: {
        $let: {
          vars: {
            regexMatch: {
              $regexFind: {
                input: "$path", // 替换为实际存储路径字符串的字段名
                regex: /-(\d{4}-\d{2}-\d{2})\.tgz$/
              }
            }
          },
          in: { $first: "$$regexMatch.captures" }
        }
      }
    }
  },
  // 按日期分组统计数量
  {
    $group: {
      _id: "$dt",
      count: { $sum: 1 }
    }
  },
  // 调整输出结构匹配期望格式
  {
    $project: {
      _id: 0,
      dt: "$_id",
      count: 1
    }
  }
])

基于自定义JS函数的投影实现参考（4.4+版本）：

{
  $project: {
    dt: {
      $function: {
        body: (pathStr) => fetch_date(pathStr), // 直接复用已写好的提取函数
        args: ["$path"],
        lang: "js"
      }
    }
  }
}

内容的提问来源于stack exchange，提问作者Dev