高效查找和替换文档中的字符串

Question

我有以下查询，要在名称字段中找到   标签并将它们替换为空的 space - 以摆脱它们。
名称字符串可以有 1 到多个   标签，例如

AA&nbsp;aa
AA&nbsp;&nbsp;aa
AA&nbsp;&nbsp;&nbsp;aa
AA&nbsp;&nbsp;&nbsp;&nbsp;aa
AA&nbsp;AA&nbsp;aaaaaaaa

...就像那样。

  db.tests.find({'name':/.*&nbsp;.*/}).forEach(function(test){
      test.name = test.name.replace("&nbsp;","");
      db.tests.save(test);
   });

   db.tests.find({'name':/.*&nbsp;&nbsp;.*/}).forEach(function(test){
      test.name = test.name.replace("&nbsp;&nbsp;","");
      db.tests.save(test);
   });

  db.tests.find({'name':/.*&nbsp;&nbsp;&nbsp;.*/}).forEach(function(test){
      test.name = test.name.replace("&nbsp;&nbsp;&nbsp;","");
      db.tests.save(test);
   });

除了重复相同的查询模式之外，是否有更好的解决方案来处理这种情况，减少重复并提高性能？

Answer 1

当然，如果您只想从文本中删除   实体，那么您只需进行全局匹配并替换：

db.tests.find({ "name": /\&nbsp;/g }).forEach(function(doc) {
    doc.name = doc.name.replace(/&nbsp;/g,"");
    db.tests.update({ "_id": doc._id },{ "$set": { "name": doc.name } });
});

所以不需要写出每个组合，正则表达式会用 /g 选项替换非常匹配。可能还使用 /m 表示多行是您的 "name" 字符串包含换行符。看一个基本的regexer example.

还建议使用 $set 以便只修改您真正想要修改的字段，而不是 .save() 整个文档。自文档被读取以来，流量和覆盖可能由另一个进程所做的更改的机会更少。

理想情况下，您可以将批量操作 API 与 MongoDB 2.6 及更高版本一起使用。这允许更新到 "batch"，因此客户端和服务器之间的流量再次减少：

var bulk = db.tests.initializeOrderedBulkOp();
var count = 0;

db.tests.find({ "name": /\&nbsp;/g }).forEach(function(doc) {
    doc.name = doc.name.replace(/&nbsp;/g,"");
    bulk.find({ "_id": doc._id })
        .updateOne({ "$set": { "name": doc.name } });
    count++;

    if ( count % 1000 == 0 ) {
        bulk.execute();
        bulk = db.tests.initializeOrderedBulkOp();
    }
});

if  ( count % 1000 != 0 )
    bulk.execute();

这些是您改进它的主要方法。不幸的是，MongoDB 更新语句无法以这种方式使用现有值作为其更新表达式的一部分，因此唯一的方法是循环，但您可以做很多事情来减少操作，如图所示。

Answer 2

如今，

开始 Mongo 4.2、db.collection.updateMany（db.collection.update 的别名）可以接受聚合管道，最终允许根据自己的值更新字段。
从 Mongo 4.4 开始，新的聚合运算符 $replaceAll 使得替换部分字符串变得非常容易。

// { "name" : "AA&nbsp;aa" }
// { "name" : "AA&nbsp;&nbsp;aa" }
// { "name" : "AA&nbsp;AA&nbsp;aaaaaaaa" }
db.collection.updateMany(
  { name: { $regex: /\&nbsp\;/ } },
  [{
    $set: { name: {
      $replaceAll: { input: "$name", find: "&nbsp;", replacement: "" }
    }}
  }]
)
// { "name" : "AAaa" }
// { "name" : "AAaa" }
// { "name" : "AAAAaaaaaaaa" }

第一部分 ({ name: { $regex: /\&nbsp\;/ } }) 是匹配查询，筛选要更新的文档（包含 " " 的文档）
第二部分（$set: { name: {...）是更新聚合管道（注意方括号表示使用聚合管道）：
- $set 是一个新的聚合运算符 (Mongo 4.2)，在本例中它替换了一个字段的值。
- 新值是使用新的 $replaceAll 运算符计算的。注意 name 是如何直接根据其自身的值 ($name) 进行修改的。

Answer 3

由于   在 MongoDB 搜索中没有作为字符串出现，因此我使用了它的 UNICODE u00a0 而不是字符串，如下所示：

db.tests.find({}).forEach(function (x) {
    x.name = x.name.replace(/\u00a0/g, ' ');

    db.tests.save(x);
});

在这里，我将名称数据字段中的   替换为 white space

高效查找和替换文档中的字符串

Find and Replace Strings in Documents Efficiently

javascript

regex

mongodb

nosql

mongodb-query