筛选mongdb不是字段类型array的文档

在 MongoDB 中，可以使用 $exists 操作符来筛选不是数组类型的文档。

例如，如果要在 "mycollection" 集合中筛选出不是 "items" 字段类型为数组的文档，可以使用以下查询语句：

db.mycollection.find( { "items": { $exists: false } } )

这将会返回所有在 mycollection 中 没有 items 字段的文档。

如果要筛选出是 "items" 字段类型为非数组的文档，可以使用 $not 操作符和 $type 操作符配合，例如：

db.mycollection.find( { "items": { $not: { $type: "array" } } } )

这将会返回所有在 mycollection 中 items 字段不是数组类型的文档。

相关问题

筛选mongdb不是字段类型数组array的文档

### 回答1：
在 MongoDB 中可以使用 $ne 操作符来筛选出不是数组类型的文档。

例如，如果要筛选出 "myField" 不是数组类型的文档，可以使用以下查询：

db.myCollection.find( { "myField": { $ne: [] } } )

这将返回 "myCollection" 集合中所有 "myField" 不是数组类型的文档。

### 回答2：
要筛选MongoDB中字段类型不是数组的文档，可以使用聚合管道操作符$type。以下是一个示例的解决方案：

db.collection.aggregate([
  {
    $match: {
      fieldName: {
        $not: { $type: "array" }
      }
    }
  }
])

在上面的代码中，将`collection`替换为要查询的集合名字，`fieldName`替换为要检查的字段名。聚合管道操作符`$type`用于比较字段的类型，"array"表示数组类型。使用`$not`操作符将结果取反，筛选出字段类型不是数组的文档。

该查询将返回字段`fieldName`的类型不是数组的所有文档。如果想要检查多个字段，可以在`$match`阶段添加多个条件。

需要注意的是，该查询仅会检查指定字段的类型。如果还需要检查其他字段的类型是否是数组，需要在聚合管道中添加相应的$match阶段。

### 回答3：
在MongoDB中，我们可以使用查询操作来筛选不是字段类型为数组的文档。

首先，我们需要了解MongoDB中的数据模型。在MongoDB中，文档以JSON格式存储，并且是有架构的（schema-less）。这意味着不同的文档可以有不同的字段和数据类型。

如果想要筛选不是字段类型数组的文档，可以采用以下方法：

1. 使用$type运算符。$type运算符可以用来匹配字段的数据类型。对于非数组的字段，其类型代码为"9"。所以我们可以使用下面的查询语句来找到非数组字段的文档：

db.collection.find({fieldName: {$not: {$type: 4}}})

其中，"collection"是集合的名称，"fieldName"是要筛选的字段名。

2. 使用$isArray运算符。$isArray运算符用于判断字段是否为数组类型。可以使用以下查询语句来找到非数组字段的文档：

db.collection.find({fieldName: {$not: {$isArray: true}}})

在以上查询语句中，"collection"是要查询的集合名称，"fieldName"是要筛选的字段名。

在执行上述查询之后，MongoDB会返回所有不是数组类型的字段的文档。

需要注意的是，以上查询语句中的字段名需要根据实际情况进行替换。另外，如果需要筛选多个字段类型不为数组的字段，可以使用逻辑运算符（如$and和$or）来组合多个条件。

某招聘平台的数据基于MongoDB文档存储，其半结构化的数据模型与岗位匹配推荐需求非常匹配。为了提高数据的管理和利用效率，以及实现匹配推荐功能，现要求使用MongoDB对元数据和操作日志进行存储和查询。完成以下任务：根据该招聘平台已有的签约信息来构建数据库，其中元数据被分成两个文件（岗位信息和招聘者信息），它们通过一个offer_id属性将签约信息链接在一起。现要求在MongoDB中设计的数据模型，包括必要的字段、类型、索引等信息，将岗位信息和招聘者信息的内容映射到两个不同的文档集合中。因此，每个签约信息对应于两个文档，它们在offer_id属性上连接起来。用户可以根据自身的情况，启用各种过滤器来定义一个复合搜索查询，实现对招聘者信息文档集合的搜索与过滤，从而得到与自己条件类似的招聘者以供参考。通过复合筛选器的招聘者信息文档首先按与查询匹配的属性值的总数排序，然后按它们的文档ID排序。最后根据offer_id属性得到对应的岗位信息文档，输出jd_title、job_description部分。如果查询返回超过10个，则只显示前10个，以避免长时间的加载。用户可以根据工作意愿，启用各种过滤器来定义一个复合搜索查询，对上述岗位信息进行进一步的过滤，最后输出jd_title、job_description部分。

根据上述需求，可以设计以下的MongoDB数据模型：

**Collection 1: Job Information**
- offer_id: ObjectId
- jd_title: String
- job_description: String
- job_type: String
- job_location: String
- job_salary: Number
- job_requirements: Array
- company_name: String
- company_size: String

索引：
- offer_id: 单键索引

**Collection 2: Job Applicant Information**
- offer_id: ObjectId
- applicant_name: String
- applicant_gender: String
- applicant_age: Number
- applicant_location: String
- applicant_education: String
- applicant_experience: Number
- applicant_skills: Array
- applicant_languages: Array
- applicant_certifications: Array

索引：
- offer_id: 单键索引

查询操作：
1. 根据过滤器查询招聘者信息文档集合：

db.job_applicant_information.find({
  applicant_location: "北京",
  applicant_education: "本科",
  applicant_experience: {$gte: 3},
  applicant_skills: {$in: ["Java", "Python"]},
  applicant_languages: {$in: ["英语"]},
  applicant_certifications: {$in: ["CET-6"]}
}).sort({
  $meta: "textScore",
  offer_id: 1
}).limit(10)

该查询操作会返回符合条件的前10个招聘者信息文档，并将它们按照与查询匹配的属性值的总数排序，然后按照offer_id属性进行排序。接着，根据每个文档的offer_id属性，查询对应的Job Information文档集合，并输出jd_title、job_description部分。

2. 根据过滤器查询岗位信息文档集合：

db.job_information.find({
  job_location: "北京",
  job_type: "全职",
  job_salary: {$gte: 15000},
  job_requirements: {$in: ["本科", "硕士"]},
  company_size: {$in: ["1000人以上"]}
}, {
  jd_title: 1,
  job_description: 1,
  _id: 0
}).limit(10)

该查询操作会返回符合条件的前10个Job Information文档，并输出jd_title、job_description部分。