如何在一个字段中存在所有关键字的mongodb（pymongo）中查询文档？答案

【问题标题】：How to query documents in mongodb (pymongo) where all keywords exist in a field?如何在一个字段中存在所有关键字的mongodb（pymongo）中查询文档？
【发布时间】：2016-07-15 02:07:05
【问题描述】：

我有一个关键字列表：

keywords = ['word1', 'word2', 'word3']

现在我只查询 1 个这样的关键字：

collection.find({'documenttextfield': {'$regex': ' '+keyword+' '}})

我绝不是正则表达式的专家，所以我在关键字旁边用空格做雷鬼音乐以找到完全匹配。

但我现在想要的是，拥有 keywords 列表，查询文档并从 documenttextfield 的列表中找到具有每个关键字的文档。

我对如何做到这一点有一些想法，但它们都太复杂了，我觉得我错过了一些东西......

【问题讨论】：

如果您不知道关键字出现的顺序，单个正则表达式将无济于事。您是否考虑过使用text index？

标签： python regex mongodb pymongo

【解决方案1】：

考虑使用text index 和$text search。这可能是比使用正则表达式更好的解决方案。但是，文本搜索会根据评分算法返回文档，因此您可能会得到一些没有您要查找的所有关键字的结果。

如果您不能或不想向该字段添加文本索引，则使用单个正则表达式会非常痛苦，因为您不知道这些单词出现的顺序。我并不是说它是不可能写的，但是即使对于正则表达式标准，你最终也会令人憎恶。通过使用$and 运算符，多次使用正则表达式运算符会容易得多。

此外，当单词位于字符串的开头或结尾或后跟句点或逗号时，使用空格作为分隔符将失败。请改用词边界标记 (\b)。

collection.find(
    { $and : [
              {'documenttextfield': {'$regex': '\b' +keyword1+'\b'}},
              {'documenttextfield': {'$regex': '\b' +keyword2+'\b'}},
              {'documenttextfield': {'$regex': '\b' +keyword3+'\b'}},
         ]
    });

请记住，这是一个非常慢的查询，因为它将在集合的每个文档上运行这三个正则表达式。当这是一个性能关键的查询时，请认真考虑文本索引是否真的不行。如果做不到这一点，最后一根稻草就是从documenttextfield 字段中提取某人可以搜索的任何关键字（可能是其中的每个唯一单词）到一个新的数组字段documenttextfield_keywords 中，然后在该字段上创建一个普通索引字段，然后使用 $all operator 搜索该字段（在这种情况下不需要正则表达式）。

【讨论】：

谢谢！我将尝试将每个文本字段的关键字组合起来并存储在同一个文档中！这实际上是一个非常整洁的好方法。我有办法做到这一点，我认为这肯定比 3 个正则表达式更好！
@GeekSince1982 使用$all 远没有{ "documenttextfield": { "$all": [re.compile('\b'+keyword+'\b',re.IGNORECASE) for keyword in keywords] } } 那么迟钝。但除非你需要像"and"、"or" 这样的“停用词”，否则$text 可能更有效。请注意，它确实需要显着更大的索引才能实现该效率，并且通常适合文档中“较大”的文本字段而不是较小的文本字段。
@GeekSince1982 这里的“其他”遗漏是“文本搜索”不会仅返回与术语列表匹配的文档。 all 匹配的文档将是“排名靠前”的结果，但由于文本搜索条件为“OR”条件，将返回包含的其他术语。没有办法专门写“AND”。另外我上面的主要观点是，答案错误地假定$all 需要一个数组才能起作用。它不是，实际上当然是一个需要匹配属性的“参数列表”，而不是相反。人们经常犯这个错误。
我尝试使用 $text 搜索并在 {score:{ $meta: "textScore"}} 上进行排序。它工作正常，但textScore 不是很可靠，或者我可能不完全理解评分机制。基本上我看到，如果一个关键字被多次提及或所有关键字都被找到，结果会得到高分。虽然我需要确定所有关键字的结果。