Question

我有一个.ttl形式的文件。它有4个属性/列，包含以下形式的四元组：

(id, student_name, student_address, student_phoneno)。
(id, faculty_name, faculty_address, faculty_phoneno)。

我知道如何用RDFLib解析.n3格式三元组;

from rdflib import Graph
g = Graph()
g.parse("demo.nt", format="nt")

但我不确定如何解析这些四重奏。

我的目的是解析并提取与特定id有关的所有信息。学生和教师的身份证可以相同。

如何使用RDFLib处理这些四元组并将其用于基于id的聚合？

来自.ttl文件的示例摘录：

#@ <id1>
<Alice> <USA> <12345>

#@ <id1>
<Jane> <France> <78900>

Answer 1

Turtle是Notation 3语法的子集，因此rdflib应该能够使用format='n3'对其进行解析。检查rdflib是否保留了评论（id是否在您的示例中的评论（#...）中指定了。如果没有，输入格式就像示例中所示的那样简单，那么您可以手动解析它：

import re
from collections import namedtuple
from itertools import takewhile

Entry = namedtuple('Entry', 'id name address phone')

def get_entries(path):
    with open(path) as file:
        # an entry starts with `#@` line and ends with a blank line
        for line in file:
            if line.startswith('#@'):
                buf = [line]
                buf.extend(takewhile(str.strip, file)) # read until blank line
                yield Entry(*re.findall(r'<([^>]+)>', ''.join(buf)))

print("\n".join(map(str, get_entries('example.ttl'))))

输出：

Entry(id='id1', name='Alice', address='USA', phone='12345')
Entry(id='id1', name='Jane', address='France', phone='78900')

将条目保存到db：

import sqlite3

with sqlite3.connect('example.db') as conn:
    conn.execute('''CREATE TABLE IF NOT EXISTS entries
             (id text, name text, address text, phone text)''')
    conn.executemany('INSERT INTO entries VALUES (?,?,?,?)',
                     get_entries('example.ttl'))

如果您需要在Python中进行一些后处理，则按ID进行分组：

import sqlite3
from itertools import groupby
from operator import itemgetter

with sqlite3.connect('example.db') as c:
    rows = c.execute('SELECT * FROM entries ORDER BY id LIMIT ?', (10,))
    for id, group in groupby(rows, key=itemgetter(0)):
        print("%s:\n\t%s" % (id, "\n\t".join(map(str, group))))

输出：

id1:
    ('id1', 'Alice', 'USA', '12345')
    ('id1', 'Jane', 'France', '78900')

Answer 2

看起来至少从 rdflib 5.0.0 开始支持turtle。我做过

from rdflib import Graph
graph = Graph()
graph.parse('myfile.ttl', format='ttl')

这解析得很好。

Answer 3

目前似乎没有这样的库来解析Turtle - Terse RDF Triple Language

正如您已经知道的语法，最好的办法是使用PyParsing首先创建一个语法然后解析文件。

我还建议根据您的需要调整以下EBNF implementation

Answer 4

你可以像Snakes和Coffee建议的那样，只在带有yield语句的循环中包装该函数（或其代码）。这会创建一个生成器，可以迭代调用它来动态创建下一行的序列。假设您要将这些写入csv，例如，使用Snakes的parse_to_dict：

import re
import csv

writer = csv.DictWriter(open(outfile, "wb"), fieldnames=["id", "name", "address", "phone"])
# or whatever

您可以将生成器创建为函数或使用内联理解：

def dict_generator(lines): 
    for line in lines: 
        yield parse_to_dict(line)

- 或 -

dict_generator = (parse_to_dict(line) for line in lines)

这些非常相同。此时你可以通过调用dict_generator.next()得到一个dict解析的行，你可以一次神奇地得到一行 - 不会涉及额外的RAM抖动。

如果您有16个原始数据，您可以考虑使用生成器来拉入线路。他们真的很有用。

有关SO和某些文档的生成器的更多信息： What can you use Python generator functions for? http://wiki.python.org/moin/Generators

如何用RDFLib解析.ttl文件？

4 个答案: