如何在MarkLogic中用XQuery提取XML重复relation节点及文件名

刚好能帮你搞定这个需求，下面是针对单个relation.xml文档的XQuery代码，直接在MarkLogic的Query Console里就能运行：

xquery version "1.0-ml";

// 加载目标XML文档，确保URI和你库中的文档路径一致
let $target-doc := doc("relation.xml")
// 提取所有<relation>节点
let $all-relations := $target-doc//relation
// 找出<normativelyReferencedBy>文本重复的值
let $duplicate-ref-texts := 
  for $rel in $all-relations
  let $ref-text := $rel/normativelyReferencedBy/text()
  group by $ref-text
  // 只保留出现次数大于1的引用文本
  having count($rel) > 1
  return $ref-text
// 遍历重复的引用文本，返回文件名+对应节点内容
return
  for $ref in $duplicate-ref-texts
  let $matching-relations := $all-relations[normativelyReferencedBy/text() = $ref]
  return
    concat("relation.xml ", xdmp:quote($matching-relations))

代码说明： #

• doc("relation.xml")：加载指定URI的XML文档，如果你的文档在特定集合或目录下，记得调整这个URI（比如doc("/path/to/relation.xml")）。
• group by $ref-text：按<normativelyReferencedBy>的文本内容分组，having count($rel) > 1筛选出重复的分组。
• xdmp:quote($matching-relations)：把XML节点转换成格式化的字符串，方便和文件名拼接返回。

如果之后需要处理多个XML文档中的重复节点，这里有个扩展版本，会自动识别每个节点所属的文件名：

xquery version "1.0-ml";

// 提取指定集合中所有文档的<relation>节点（也可以用doc()指定单个文档）
let $all-relations := collection()//relation
// 按引用文本分组，同时保留每个节点的文档URI
let $duplicate-groups := 
  for $rel in $all-relations
  let $ref-text := $rel/normativelyReferencedBy/text()
  let $doc-uri := base-uri($rel)
  group by $ref-text
  having count($rel) > 1
  return ($ref-text, $rel)
// 返回每个重复节点的文件名+节点内容
return
  for $group in $duplicate-groups
  let $rels := $group[position() > 1]
  return
    for $rel in $rels
    return concat(base-uri($rel), " ", xdmp:quote($rel))

内容的提问来源于stack exchange，提问作者Akbar aLI