Kørsel af $text-forespørgsler med fraser og negation

Når der findes et tekstindeks, udfører du nøgleordssøgninger med $text-operatoren i et find()-filter. Værdien er et objekt med en $search-streng, der indeholder de ord eller fraser, du leder efter. MongoDB opdeler din søgestreng i tokens på samme måde som de indekserede felter og returnerer derefter dokumenter, hvor mindst ét indekseret felt indeholder et matchende token.

Som standard bruger en $text-søgning med flere ord ELLER-logik: Et dokument matcher, hvis det indeholder et eller flere af ordene. 'mongodb index' returnerer altså dokumenter, der indeholder 'mongodb' eller 'index' eller begge dele. Relevansscoren (textScore) er højere for dokumenter, der indeholder flere af søgeordene, men alle matchende dokumenter returneres uanset hvad.

Hvis du vil kræve en nøjagtig frase, skal du omslutte den med escaped dobbelte anførselstegn i $search-strengen. En frasesøgning kræver, at ordene står sammen og i den rækkefølge. Dokumenter, der kun indeholder nogle af fraseordene, men ikke den nøjagtige rækkefølge, matcher ikke. Frasesøgninger er mere præcise, men kan overse relevante dokumenter med lidt anderledes formuleringer.

Sæt et minustegn (-) foran et ord for at udelukke dokumenter, der indeholder ordet. Du kan ikke bruge negation alene – du skal kombinere den med mindst ét positivt søgeord. Negation er nyttig, når et nøgleord er for bredt, og du vil filtrere en bestemt uønsket betydning fra, f.eks. 'java -coffee' for at finde programmeringsartikler om Java og ikke om drikken.

Du kan frit blande fraser, nøgleord og negation i én $search-streng. MongoDB behandler hvert udtryk separat: Grupper i anførselstegn er frasesøgninger, ord med et foranstillet minustegn er udelukkelser, og de resterende ord uden anførselstegn er valgfrie nøgleordsmatch. Denne kombinerbarhed lader dig udtrykke moderat kompleks søgelogik uden en dedikeret søgemaskine.

$text-søgninger skelner som standard ikke mellem store og små bogstaver. MongoDB konverterer alle tokens til små bogstaver både under indeksering og søgning, så 'MongoDB', 'MONGODB' og 'mongodb' matcher de samme indekserede tokens. Du behøver ikke normalisere søgeinputtet, før du kører en $text-forespørgsel.

Som standard bruger $text det sprog, der er konfigureret på tekstindekset. Du kan tilsidesætte dette pr. forespørgsel med indstillingen $language. Det er nyttigt i samlinger med flersproget indhold, hvor dokumenter på forskellige sprog skal søges med den passende stopordsliste og ordbøjningsalgoritme.

Selvom søgning, der ikke skelner mellem store og små bogstaver, er standarden, kan du aktivere tekstmatchning, der skelner mellem store og små bogstaver, med $caseSensitive: true. Det er sjældent nødvendigt, men nyttigt, når dit indhold har identifikatorer, hvor store og små bogstaver er betydningsfulde, som klassenavne eller kommandonavne. Bemærk: Tekstsøgning, der skelner mellem store og små bogstaver, er betydeligt langsommere, fordi den ikke kan bruge de indeksopslag, der allerede er konverteret til små bogstaver.

Som standard skelner MongoDBs tekstsøgning ikke mellem diakritiske tegn: 'café' og 'cafe' behandles som det samme ord. Du kan aktivere $diacriticSensitive: true for at skelne mellem tegn med og uden accent. Det er relevant for sprog som fransk, tysk og spansk, hvor diakritiske tegn ændrer betydningen. Ligesom ved forskel på store og små bogstaver er søgning, der skelner mellem diakritiske tegn, langsommere, fordi den omgår de forudnormaliserede indeksopslag.

Du kan bruge $text i aggregationspipelines ved at placere et $match-trin med tekstfilteret som det allerførste trin. Det lader MongoDB sende tekstsøgningen til indekset, før de efterfølgende pipeline-trin anvendes. Derefter kan du projicere textScore, gruppere resultater efter kategori eller begrænse antallet af match – alt sammen på serversiden.

Hvis du vil tælle, hvor mange dokumenter der matcher en tekstforespørgsel, skal du bruge countDocuments() med $text-filteret eller tilføje et $count-trin til slutningen af en aggregationspipeline. Undgå at bruge count() (forældet), og vær opmærksom på, at estimatedDocumentCount() ikke kan modtage et filter – brug altid countDocuments() til filtrerede optællinger.

I denne lektion har du lært, at ord uden anførselstegn bruger ELLER-logik og matcher et hvilket som helst af søgeordene, at fraser i dobbelte anførselstegn kræver en nøjagtig ordrækkefølge, og at ord med et foranstillet minustegn udelukker dokumenter, der indeholder udtrykket. Næste gang sorterer vi resultater efter tekstens relevansscore ved hjælp af $meta.