如何用XQuery/XPath高效统计多XML文件中的不同值出现次数

看起来你当前的思路方向是对的，但三重嵌套循环会导致反复遍历整个文档集合，这肯定会让处理速度慢到离谱！结合你用的Saxon-HE和Oxygen环境，我给你几个更高效的优化方案：

方案1：按文档单独统计（每个文档只遍历一次） #

这个方案会先逐个处理每个XML文档，在单个文档内完成值的去重和计数，避免了跨文档的重复遍历，效率提升非常明显：

let $collection := collection(file:///C:/MY_FOLDER?select=*.xml;recurse=yes)
return
  for $doc in $collection
  let $doc-name := tokenize(document-url($doc), '/')[last()]
  <!-- 提前缓存当前文档的目标元素节点集，避免重复查询DOM -->
  let $target-elements := $doc//Element1/Element2
  let $value-counts := 
    for $val in distinct-values($target-elements)
    let $count := count($target-elements[. = $val])
    order by $val
    return concat($val, " - ", $count)
  order by $doc-name
  return (
    $doc-name,
    "______________",
    string-join($value-counts, "&#xa;"),
    "&#xa;"
  )

为什么这个更快？ #

• 每个文档只被遍历一次，目标元素节点集$target-elements会被缓存，后续的去重和计数都基于这个缓存的节点集，不用反复查询XML结构。
• 去掉了原来的三重循环，减少了不必要的交叉遍历开销。

方案2：全局值聚合（统计每个值在各文档中的出现次数） #

如果你的需求是先拿到所有文档里的全局不同值，再统计每个值在对应文档中的出现次数，可以用分组聚合的方式，利用Saxon的group-by函数高效处理：

let $collection := collection(file:///C:/MY_FOLDER?select=*.xml;recurse=yes)
let $all-value-doc-pairs := 
  for $doc in $collection
  let $doc-name := tokenize(document-url($doc), '/')[last()]
  for $val in $doc//Element1/Element2
  return map { "doc": $doc-name, "val": $val }
return
  for $group in group-by($all-value-doc-pairs, function($pair) { ($pair?doc, $pair?val) })
  let $doc-name := $group[1]?doc
  let $val := $group[1]?val
  let $count := count($group)
  order by $doc-name, $val
  return concat($doc-name, "______________", $val, " - ", $count, "
")

优化细节补充 #

• 尽量避免在循环中重复调用$doc//Element1/Element2，提前缓存节点集能大幅减少DOM查询的开销。
• 不要用index-of来计数，直接用count($target-elements[. = $val])，Saxon对这种过滤计数有专门的优化，比遍历序列找索引高效得多。
• 如果你的XML文件数量极多或体积很大，可以在Oxygen的XQuery设置里尝试启用“优化查询计划”，Saxon会自动优化执行逻辑。

备注：内容来源于stack exchange，提问作者SCH