71、在线搜索中的XML查询与食谱建模分析

在线搜索中的XML查询与食谱建模分析

1. 真实世界XML查询分析

在对从互联网抓取的潜在XQuery查询进行处理时，从11,220个潜在查询中收集到了887个有效XQuery查询。将这些查询基于多个因素分为4个类别，这些因素包括文档的下载位置（网页内容或URL）、文档类型（库或查询）以及是否成功下载相关XML文档。

在XPath 2.0与XQuery 1.0的对比方面，过滤掉不包含任何XQuery 2.0语法符号的查询，即XPath 2.0查询和XQuery 1.0查询，剩余的查询数量较少，仅为16个。

对20个XQuery查询和26个引用并下载的XML文档进行了详细分析。逐个运行这些查询并进行修正以获取结果，修正后成功运行了13个查询。其余查询存在诸如缺少模式、未定义前缀、缺少资源等错误。对这13个查询的输出进行分析，发现大部分输出缺少根元素（有5种情况），无法成为格式良好的XML文档；有一个输出仅为文本；4个查询的输出包含来自多个XML文档的数据；有一个输出非常简单，仅包含一个带有文本内容的元素；还有一个查询使用OrderByClause对XML文档进行排序。令人惊讶的是，有一个查询包含使用完整URL指向XML文档的链接，并且该查询能够运行，XQuery处理器会从互联网下载给定的XML文档。

Crawler4j下载了74个XML文档，但过滤掉无效的XQuery查询相关的XML文档后，仅剩下43个。在检查这些剩余的XML文档时，发现了以下错误：
- 8个文档的内容是网页，其中4个是同一网页的重复，另外4个是另一个网页的重复。
- 9个文档的内容是文本文档。

成功修复了一个包含行号的XML文档，并通过替换元素和属性之间