Question

有时我会识别属性dbpedia-owl中的一些html片段：abstract

以下是一个示例http://dbpedia.org/page/Albizia_julibrissin，您可以在其中看到英文摘要中的一些html片段（强调）：

此页面是关于Antonio Durazzini描述的树。约翰吉尔伯特贝克使用相同的科学名称来指代Prain的Albizia kalkora，威廉罗克斯堡的含羞草kalkora。 colspan = 2 style =“text-align：center; background-color：transparent; text-align：center; border：1px solid red;” |波斯丝绸树文件：在塞瓦斯托波尔的合欢julibrissin 1. jpg Habitus保护状态未评估colspan = 2 style =“text-align：center; background-color：transparent; text-align：center; border：1px solid red;” |科学分类王国：Plantae（未分类）：被子植物（未经分类）：Eudicots（未分类）：Rosids命令：Fabales科：豆科植物属：合欢属物种：A。julibrissin colspan = 2 style =“text-align：center; background-color：透明;文本对齐：中心;边框：1px纯红色;“ |二项名称Albizia julibrissin colspan = 2 style =“text-align：center; background-color：transparent; text-align：center; border：1px solid red;” |同义词很多，见文合欢树属于合欢属的豆科植物，原产于西南亚和东亚，从波斯东部到中国和韩国。它也被广泛称为“含羞草”和“'波斯丝绸树'。该属以意大利贵族Filippo degli Albizzi命名，属于着名的佛罗伦萨家族Albizzi，于18世纪中期将其引入欧洲，它有时是错误拼写的合欢。特定的加词julibrissin是波斯语词gul-i abrisham（گلابریشم）的腐败，意思是“丝花”（来自gulگل“flower”+ abrishamابریشم“silk”）。

有没有办法剥离/提取这些片段，以便抽象属性是人类可读的？

Answer 1

数据条目dbpedia中存在问题。标题

“这个页面是关于Antonio Durazzini描述的树。约翰 Gilbert Baker使用相同的学名来指Prain's Albizia Kakora，William Roxburgh的含羞草Kakora。“

通常与属性dbpedia-owl：abstract。

无关

从DBpedia SPARQL endpoint开始，SPARQL 1.1解决方案是：

select distinct ?clean_abstract 
where {
  <http://dbpedia.org/resource/Albizia_julibrissin> <http://dbpedia.org/ontology/abstract> ?abstract.
  filter (lang(?abstract) = 'en')
  bind (strafter(?abstract,"see text ") as ?clean_abstract)
}

包含此标题的另一个解决方案（但不应该链接到此属性）：

select distinct ?clean_abstract 
where {
  <http://dbpedia.org/resource/Albizia_julibrissin> <http://dbpedia.org/ontology/abstract> ?abstract.
  filter (lang(?abstract) = 'en')
  bind (concat(strbefore(?abstract,"colspan="), strafter(?abstract,"see text ")) as ?clean_abstract)
}

dbpedia html的结果

1 个答案: