MongoDBで文字列から最初の単語を重複なく取得する方法

MongoDBで文字列フィールドから最初の単語を抽出し、重複を排除して取得したい場合、distinct()メソッドとJavaScriptのmap()、split()を組み合わせることで実現できます。この記事では、具体的な手順をサンプルコードとともに解説します。

サンプルコレクションの作成

まず、ドキュメントを含むコレクションを作成しましょう。ここでは「distinctFirstWordDemo」というコレクションに学生のデータを挿入します。

> db.distinctFirstWordDemo.insertOne(
    {
        "_id": 100,
        "StudentName":"John",
        "StudentFeature": "John is a good player",
        "Subject":"MongoDB"
    }
);
{ "acknowledged" : true, "insertedId" : 100 }
> db.distinctFirstWordDemo.insertOne(
    {
        "_id": 101,
        "StudentName":"Carol",
        "StudentFeature": "Carol is not a good player",
        "Subject":"MongoDB"
    }
);
{ "acknowledged" : true, "insertedId" : 101 }

上記のコマンドでは、2件のドキュメントが正常に挿入されました。それぞれのドキュメントには、学生名（StudentName）とその特徴を表す文章（StudentFeature）が格納されています。

登録したドキュメントの確認

find()メソッドを使って、コレクション内のすべてのドキュメントを表示してみましょう。

> db.distinctFirstWordDemo.find().pretty();

実行すると、以下のような出力が得られます。

{
    "_id" : 100,
    "StudentName" : "John",
    "StudentFeature" : "John is a good player",
    "Subject" : "MongoDB"
}
{
    "_id" : 101,
    "StudentName" : "Carol",
    "StudentFeature" : "Carol is not a good player",
    "Subject" : "MongoDB"
}

文字列から最初の単語を重複なく抽出するクエリ

それでは本題です。distinct()メソッドで「StudentFeature」フィールドの値を重複なく取得し、さらにmap()関数内でsplit(" ")[0]を使って各文字列の最初の単語だけを取り出します。

> student = db.distinctFirstWordDemo.distinct("StudentFeature", {"Subject" : "MongoDB"}).map(function(st){
    return st.split(" ")[0];
});
[ "John", "Carol" ]
> printjson(student);

このクエリのポイントは以下の通りです。

• distinct()メソッド： 指定したフィールドの値を重複なく配列として返します。第2引数で条件（ここではSubjectが「MongoDB」）を指定することも可能です。
• map()関数： 取得した配列の各要素に対して処理を適用します。
• split(" ")[0]： 文字列をスペースで分割し、配列の0番目（つまり最初の単語）を返します。

実行結果は以下のようになります。

[ "John", "Carol" ]

このように、「John is a good player」からは「John」、「Carol is not a good player」からは「Carol」がそれぞれ抽出され、重複のない最初の単語のリストとして取得できました。

まとめ

MongoDBでは、distinct()とmap()、split()を組み合わせることで、文字列フィールドから最初の単語を簡単に重複なく抽出できます。集計パイプライン（$substrや$arrayElemAtなど）を使う方法もありますが、シェル上で手軽に処理したい場合は今回のようなアプローチが便利です。