如何防止 cts:highlight 在 XML 标记内匹配？答案

【问题标题】：How to keep cts:highlight from matching inside XML tags?如何防止 cts:highlight 在 XML 标记内匹配？
【发布时间】：2015-12-10 10:50:29
【问题描述】：

我正在尝试使用 REST API 在 MarkLogic 中搜索一些内容并突出显示 XML 内容（如 google）中存在的搜索字符串。问题是当我在搜索字符串中包含“ME”时，它会突出显示“i”标签（html 斜体标签）以及内容中的“我”。我创建了一个包含一些元素的文档并在文档上运行单词查询。例如 XML 内容：

         <resources>
         <title> some data from me</title>
         <desc> more data <i> from </i> somewhere by me </desc>
         </resources>

我创建了一个包含根节点“resources”和子元素“title”和“desc”的文档，并使用 word-query 在文档中搜索搜索字符串。

现在，当我搜索“some me”时，它会检索类似

的内容

         <resources>
         <title> <<span class="highlight">some</span> data from <<span class="highlight">me</span>
          </title>
         <desc> more data <<span class="highlight">i</span>> from <<span class="highlight">i</span>> somewhere by <span class="highlight">me</span>              </desc>
         </resources>

网址：

localhost:9000/v1/search?q=some me&collection=Data&start=0&pageLength=10&options=Transformation&format=json

我正在使用 cts:highlight 进行突出显示，例如：

cts:highlight($final-result, $query, fn:concat('<span class="highlight">',$cts:text,'</span>')), $custom-config)

关于为什么此处突出显示 html 元素的任何想法？提前致谢。

【问题讨论】：

标签： api rest search highlight marklogic

【解决方案1】：

您可能以文本格式插入文档，而不是 xml 格式。我可以通过插入文本格式来重现您的问题：

xdmp:document-insert("test.xml", text {"<resources>
     <title> some data from me</title>
     <desc> more data <i> from </i> somewhere by me </desc>
     </resources>"})

然后在该文档上运行 cts:highlight：

cts:highlight(doc("test.xml"), cts:parse("some me"), concat('<span class="highlight">', $cts:text, '</span>'))

但如果我将文档重新插入为 XML：

xdmp:document-insert("test.xml", <resources>
     <title> some data from me</title>
     <desc> more data <i> from </i> somewhere by me </desc>
     </resources>)

那么相同的 cts:highlight 效果更好：

<?xml  version="1.0" encoding="UTF-8"?>
<resources>
  <title> &lt;span class="highlight"&gt;some&lt;/span&gt; data from &lt;span class="highlight"&gt;me&lt;/span&gt;</title>
  <desc> more data <i> from </i> somewhere by &lt;span class="highlight"&gt;me&lt;/span&gt; </desc>
</resources>

如果我添加来自 @ehennum 和 @mholstege 的建议，而是运行这个 cts:highlight:

cts:highlight(doc("test.xml"), cts:parse("some me"), <span class="highlight">{$cts:text}</span>)

然后我猜你在找什么：

<?xml version="1.0" encoding="UTF-8"?>
<resources>
  <title> <span class="highlight">some</span> data from <span class="highlight">me</span></title>
  <desc> more data <i> from </i> somewhere by <span class="highlight">me</span> </desc>
</resources>

【讨论】：

对于那些想知道为什么除了“me”之外还突出显示“i”的人，那是因为“i”是“me”的词干，并且数据库可能默认配置为使用词干搜索.您可以通过在 word-query 中添加 unstemmed 或 exact 选项来抑制它。
同意，除非将 xml 标签视为纯文本，否则不应搜索它们。说得好。

【解决方案2】：

这是什么版本的 MarkLogic？

你能举一个更完整的例子吗？例如，什么是 $custom-config？ REST 调用结果如何与 cts:highlight 相关联？要以这种方式突出显示标记，结果必须是文本而不是 XML。

顺便说一句，cts:highlight 的第三个参数是一个表达式——如果你想创建标记，只需在此处使用构造函数，而不是字符串连接：

cts:highlight($final-result, $query, <span class="highlight">{$cts:text}</span>, $custom-config)

【讨论】：

【解决方案3】：

尝试将 cts:hightlight() 表达式中的标签作为节点而不是字符串提供。

也就是说，而不是

fn:concat('<span class="highlight">',$cts:text,'</span>')

试试

<span class="highlight">{$cts:text}</span>

有关详细信息，请参阅第一个示例：

http://docs.marklogic.com/cts:highlight?q=cts:highlight

希望对您有所帮助，

【讨论】：