我有大约 250K XML 文件，每个文件都以 UUID 命名，我想对这些文件进行全文搜索并识别匹配文件的 UUID。在nodejs 环境中索引它们的最佳策略是什么？
我可以将文件导入某个数据库（比如 SQLite），然后使用全文搜索模块（在 SQLite 的情况下为 FTS5）。但我不得不以某种方式忽略 XML 标记。
或者，我可以为 nodejs 使用某种 XMLPath 模块来仅提取文本并将其与文件名一起存储在数据库中，等等。
或者，如果我可以完全避免导入数据库，那就更好了，因为这样我就不必处理将新记录导入数据库的复杂性。
欢迎提出策略建议。
【问题讨论】：
标签： javascript node.js xml
分为三个步骤：
使用 XML 解析器读取 XML 文件
将 UUID 和文件位置记录到 db 表中（ID(INT)、UUID（varchar 唯一）、文件位置 (json)）。如果 UUID 存在，则将文件添加到文件位置列中
处理后，您将拥有同一行中具有相同 UUID 的所有文件位置。
您可以查看我的npm：
XML解析器link
【讨论】：
根据您对 Marcia Ong 的回答，我不再确定您的问题究竟是什么。所以这是“大图”：
您有一堆包含大量信息的 XML 文件。 检索信息的最有效方法是以某种方式索引这些文件。
“索引”的先决条件是“解析”XML。我相信这就是 Marcia Ong 回复的要点。听起来是个好建议。
另一个问题：如何构建索引。 IS 你的索引是什么？这就是我评论的要点。 SQLite + FTS5 可能是一个不错的选择，Lucene 也可以。你有很多选择。很大程度上取决于您的要求，包括您要将应用部署到的环境。
还有一个需要考虑的问题：您希望将 XML 物理存储在与索引相同的位置（例如 SQLite 数据库），还是您的索引只是“链接”到 XML 文件？例如，网络共享上的文件路径，或 Web 服务器上的相对路径等。
最后一期：问：你的应用如何查询索引，并返回结果？答：“这取决于”。这完全取决于您选择索引的技术、应用程序的编程语言、您实际希望从 XML 中检索的信息以及许多其他变量。
例如：
假设您在 Linux 服务器上，并假设您选择 Lucene（SQLite 也可以在 Linux 上运行，顺便说一句...）
您可能有一个夜间批处理作业来解析您的 XML 文件并更新您的索引。
您的应用可能会执行以下操作之一：
【讨论】：
您应该将 XML 文件加载到 XML 数据库中。今天最流行的 XML 数据库似乎是 BaseX、eXist 和 MarkLogic。前两个是开源的，最后一个是商业的。我相信它们都提供全文搜索功能以及（并与）XQuery 集成。您将需要配置所选数据库以定义您希望数据索引的方式。
（Oracle、SQL Server 和 DB2 等关系数据库也提供 XML 插件，但由于复杂性，我不会走这条路）。
【讨论】：
我决定使用 SQLite3/FTS5 路线。我用xml2js 解析XML 文件并将它们存储在SQLite 中。我有一个带有全文索引的虚拟表，我可以快速搜索。在Michael Kay'ssuggestion 上，我尝试了BaseX，但根本没有可比性。 BaseX 花了约 32 分钟导入约 250K XML 文件以创建约 6GB 的数据库。搜索一个词花了 2m 44s。带有 FTS5 表的 SQLite 数据库约为 9GB。相同的搜索需要 0.001 秒。
时间：
- 解析：34.15 毫秒
- 编译：28.32 毫秒
- 评估：163172.13 毫秒
- 打印：537.65 毫秒
- 总时间：163772.26 毫秒
运行时间：真实 0.001 用户 0.000790 系统 0.000165
【讨论】：