java - 将 RDF .ttl 文件合并到一个文件数据库中 - 过滤并仅保留所需的数据/三元组

Question

我需要将 1000 多个 .ttl 文件合并到一个文件数据库中。如何通过过滤源文件中的数据来合并它们，并只保留目标文件中所需的数据？

谢谢

Answer 1

有很多选项，但最简单的方法可能是使用 Turtle 解析器读取所有文件，并让该解析器将其输出传递给处理程序，该处理程序在将数据传递给 Turtle 之前进行过滤作家。

类似这样的东西可能会起作用(使用 RDF4J):

  RDFWriter writer = org.eclipse.rdf4j.rio.Rio.createWriter(RDFFormat.TURTLE, outFile);

  writer.startRDF();
  for (File file : // loop over your 100+ input files) {
      Model data = Rio.parse(new FileInputStream(file), "", RDFFormat.TURTLE);
      for (Statement st: data) {
         if (// you want to keep this statement) {
              writer.handleStatement(st);
         }
      }
  }
  writer.endRDF(); 

或者，只需将所有文件加载到 RDF 存储库中，然后使用 SPARQL 查询获取数据并保存到输出文件，或者如果您愿意:使用 SPARQL 更新删除数据在将整个存储库导出到文件之前您不希望这样做。

沿着这些思路(再次使用 RDF4J):

 Repository rep = ... // your RDF repository, e.g. an in-memory store or native RDF database

 try (RepositoryConnection conn = rep.getConnection()) {

    // load all files into the database
    for (File file: // loop over input files) {
        conn.add(file, "", RDFFormat.TURTLE);
    }

    // do a sparql update to remove all instances of ex:Foo
    conn.prepareUpdate("DELETE WHERE { ?s a ex:Foo; ?p ?o }").execute();

    // export to file
    con.export(Rio.createWriter(RDFFormat.TURTLE, outFile));
 } finally {
    rep.shutDown(); 
 } 

根据数据量/文件大小，您可能需要稍微扩展此基本设置(例如，使用事务而不只是让连接自动提交)。但希望你能了解总体思路。