计算数组中的单词 - 如何使用 mongo 进行查询？

Question

"sourceList": [
        {
           "source" : "hello world, how are you?",
           "_id" : ObjectId("5f0eb9946db57c0007841153")
        },
        {
           "source" : "hello world, I am fine",
           "_id" : ObjectId("5f0eb9946db57c0007841153")
        },
        {
           "source" : "Is it raining?",
           "_id" : ObjectId("5f0eb9946db57c0007841153")
        }
]

hello world, how are you? = 5，hello world, I am fine = 5，Is it raining?= 3 中的总字数。

因此总字数 = 13

是否有一个 mongo 查询来做这个计算？我可以使用 javascript 来做到这一点，但有没有直接通过 mongo 查询的方法？

编辑

---

有没有办法可以跨文档进行此查询？对于符合特定标准的文档，我想运行一个类似的计算并增加一个约束，即重复句子的单词不会被计算两次。例如，

文档 - 1

"sourceList": [
    {
       "source" : "hello world, how are you?",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    },
    {
       "source" : "hello world, I am fine",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    },
    {
       "source" : "Is it raining?",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    }
]

文档 - 2

  "sourceList": [
    {
       "source" : "hello world, how are you?",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    },
    {
       "source" : "hello world, I am fine",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    },
    {
       "source" : "Is it raining?",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    }
]

这里的计数仍然保持不变。原因是，两个文档中的句子完全相同。但是如果我们结合 Document 1 + Document 3（如下给出）

"sourceList": [
    {
       "source" : "Look at the beautiful tiger!",
       "_id" : ObjectId("5f0eb9946db57c0007841153")
    }
]

计数为 13 + 5（文档 3）= 18。

Answer 1

是的，您可以借助强大的聚合框架来做到这一点。

mongo play-ground

db.collection.aggregate([
  {
    "$unwind": "$sourceList" //For each array element
  },
  {
    $project: {
      "sp": {
        $split: [
          "$sourceList.source", //split by spaces
          " "
        ]
      }
    }
  },
  {
    "$project": {
      "sizes": {
        "$size": "$sp". //count the words in each array
      }
    }
  },
  {
    "$group": {
      "_id": "$_id",
      "count": {
        "$sum": "$sizes" //group by id to reverse unwind and add the sizes
      }
    }
  }
])

更新：

play

db.collection.aggregate([
  {
    "$unwind": "$sourceList"
  },
  {
    $project: {
      "sp": {
        $split: [
          "$sourceList.source",
          " "
        ]
      }
    }
  },
  {
    "$project": {
      "sizes": {
        "$size": "$sp"
      }
    }
  },
  {
    "$group": {
      "_id": null,
      "count": {
        "$sum": "$sizes"
      }
    }
  }
])

对于大型集合，您可能需要使用allowDiskUse，但对于大型集合而言，这是非常繁重的操作。

更新：

play

db.collection.aggregate([
  {
    "$unwind": "$sourceList"
  },
  {
    $project: {
      "sp": {
        $split: [
          "$sourceList.source",
          " "
        ]
      }
    }
  },
  {
    "$group": {
      "_id": null,
      "elements": {
        $addToSet: "$sp"
      }
    }
  },
  {
    "$unwind": "$elements"
  },
  {
    "$project": {
      "sizes": {
        "$size": "$elements"
      }
    }
  },
  {
    "$group": {
      "_id": null,
      "count": {
        "$sum": "$sizes"
      }
    }
  }
])