MongoDB查找子文档并对结果进行排序

Question

我在 MongoDB 中有一个具有复杂结构和子文档的集合。该文档的结构如下:

doc1 = {
    '_id': '12345678',
    'url': "http//myurl/...",
    'nlp':{
        "status": "OK",
        "entities": {
            "0": {
                "type" : "Person",
                "relevance": "0.877245",
                "text" : "Neelie Kroes"
            },
            "1": {
                "type": "Company",
                "relevance": "0.36242",
                "text": "ICANN"
            },
            "2": {
                "type": "Company",
                "relevance": "0.265175",
                "text": "IANA" 
            }
        }
    }
}


doc2 = {
    '_id': '987456321',
    'url': "http//myurl2/...",
    'nlp':{
        "status": "OK",
        "entities": {
            "0": {
                "type": "Company",
                "relevance": "0.96",
                "text": "ICANN"
            },
            "1": {
                "type" : "Person",
                "relevance": "0.36242",
                "text" : "Neelie Kroes"
            },
            "2": {
                "type": "Company",
                "relevance": "0.265175",
                "text": "IANA" 
            }
        }
    }
}

我的任务是在子文档中搜索“类型”和“文本”，然后按“相关性”排序。使用 $elemMatch 运算符，我可以执行查询:

db.resource.find({
    'nlp.entities': {
        '$elemMatch': {'text': 'Neelie Kroes', 'type': 'Person'}
    }
});

完美，现在我必须按相关性降序对具有“Person”类型和值“Neelie Kroes”的实体的所有记录进行排序。

我尝试使用普通的“排序”，但是，正如 $elemMatch 中有关 sort() 的 manual said 一样，结果可能无法反射(reflect)排序顺序，因为 sort() 在 $ 之前应用于数组的元素elemMatch 投影。

事实上，_id:987456321 将是第一个(相关性为 0.96，但引用了 ICANN)。

我该如何按匹配子文档的相关性对文档进行排序？

P.S.:我无法更改文档结构。

Answer 1

如前所述，我希望您的文档实际上有一个数组，但如果 $elemMatch 适合您，那么它们应该。

无论如何，您无法使用 find 按数组中的元素进行排序。但在某些情况下，您可以使用 .aggregate() 来执行此操作:

db.collection.aggregate([

    // Match the documents that you want, containing the array
    { "$match": {
        "nlp.entities": {
            "$elemMatch": { 
                "text": "Neelie Kroes", 
                "type": "Person"   
            }
        }
    }},

    // Project to "store" the whole document for later, duplicating the array
    { "$project": {
        "_id": {
            "_id": "$_id",
            "url": "$url",
            "nlp": "$nlp"          
        },
        "entities": "$nlp.entities"
    }},

    // Unwind the array to de-normalize
    { "$unwind": "$entities" },

    // Match "only" the relevant entities
    { "$match": {
        "entities.text": "Neelie Kroes", 
        "entities.type": "Person"   
    }},

    // Sort on the relevance
    { "$sort": { "entities.relevance": -1 } },

    // Restore the original document form
    { "$project": {
        "_id": "$_id._id",
        "url": "$_id.url",
        "nlp": "$_id.nlp"
    }}
])

本质上，在执行 $match 之后包含相关匹配的文档的条件，然后使用 $project将原始文档“存储”在 _id 字段中，并 $unwind “实体”数组的“副本”。

下一个$match将数组内容“过滤”为仅那些相关的内容。然后您应用 $sort到“匹配的”文档。

由于“原始”文档存储在 _id 下，因此您使用 $project “恢复”文档实际上必须开始的结构。

这就是对数组的匹配元素进行“排序”的方式。

请注意，如果父文档的数组中有多个“匹配项”，那么您必须使用额外的 $group阶段获取“相关性”字段的 $max 值，以便完成排序。