我已将freebase上传到Virtuoso open-source。数据集位于以下服务器上:http://SERVER_SPARQL:8890/sparql。我想提取具有 common.topic 类型的所有实体的描述。
为了访问数据库,我使用curlpp
和c++
。我很确定这不是班级的问题。无论如何,我会发布它。
#include "SparqlQuery.h"
#include <curlpp/cURLpp.hpp>
#include <curlpp/Easy.hpp>
#include <curlpp/Options.hpp>
#include <curlpp/Exception.hpp>
#include <sstream>
#include <fstream>
using namespace std;
SparqlQuery::SparqlQuery(const string & query, const string & url):_query(query),_url(url){}
size_t WriteCallback(void *contents, size_t size, size_t nmemb, void *userp)
{
((std::string*)userp)->append((char*)contents, size * nmemb);
return size * nmemb;
}
string SparqlQuery::retrieveInformations()
{
CURL *curl;
CURLcode res;
curl = curl_easy_init();
cout << _url << endl;
string readBuffer = "";
if(curl)
{
//convert string query to URL format
char * parameters = curl_easy_escape(curl, _query.c_str(), (int)_query.size());
//Format query according to the sparql endpoint site
string query = "query=";
string tothis(parameters);
string buffer = query + tothis;
curl_free(parameters);
//Launch query and retrieve informations in form of an xml structure
curl_easy_setopt(curl, CURLOPT_URL, _url.c_str());
curl_easy_setopt(curl, CURLOPT_POSTFIELDS, buffer.c_str());
curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
curl_easy_setopt(curl, CURLOPT_WRITEDATA, &readBuffer);
res = curl_easy_perform(curl);
curl_easy_cleanup(curl);
}
return readBuffer;
}
当我使用以下查询时,它会返回 common.topic 类型的 43453748 实体。这很好
void loadData()
{
cout <<"loading data" << endl;
string serverURL = "http://SERVER_SPARQL:8890/sparql";
string query = "select count(*) where {?head <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://rdf.basekb.com/ns/common.topic>.}";
SparqlQuery sparql(query, severURL);
string result = sparql.retrieveInformations();
cout << result << endl;
}
当我使用以下查询时,它不会输出超过10,000个实体。即使我从浏览器尝试查询,它也不会返回完整的实体集。你知道它为什么没有返回完整的结果吗?好像结果有限制。
void Freebase::loadData()
{
cout <<"loading data" << endl;
string serverURL = "http://SERVER_SPARQL:8890/sparql";
string query = "select ?head, ?description where { ?head <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://rdf.basekb.com/ns/common.topic>.?head <http://rdf.basekb.com/ns/common.topic.description> ?description.}";
SparqlQuery sparql(query, serverURL);
string result = sparql.retrieveInformations();
cout << result << endl;
}
我尝试通过添加should-sponge选项来修改类,但现在问题如下:
Virtuoso 22023错误SR078:结果集太长,必须限制 结果最多2097151行(DAMN IT !!!!!!!!!!!!!!!)
using namespace std;
SparqlQuery::SparqlQuery(const string & query, const string & url):_query(query),_url(url){}
size_t WriteCallback(void *contents, size_t size, size_t nmemb, void *userp)
{
((std::string*)userp)->append((char*)contents, size * nmemb);
return size * nmemb;
}
string SparqlQuery::retrieveInformations()
{
CURL *curl;
CURLcode res;
curl = curl_easy_init();
cout << _url << endl;
string readBuffer = "";
if(curl)
{
//convert string query to URL format
char * parameters = curl_easy_escape(curl, _query.c_str(), (int)_query.size());
string val = "grab-all-seealso";
char * sponge_parameters = curl_easy_escape(curl, val.c_str(), (int)val.size());
//Format query according to the sparql endpoint site
string should_sponge= "should-sponge=";
string last(sponge_parameters);
string buffer1 = should_sponge + last;
string query = "query=";
string tothis(parameters);
string buffer = query + tothis +"&"+ buffer1;
cout << buffer << endl;
curl_free(parameters);
curl_free(sponge_parameters);
//Launch query and retrieve informations in form of an xml structure
curl_easy_setopt(curl, CURLOPT_URL, _url.c_str());
curl_easy_setopt(curl, CURLOPT_POSTFIELDS, buffer.c_str());
curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
curl_easy_setopt(curl, CURLOPT_WRITEDATA, &readBuffer);
res = curl_easy_perform(curl);
curl_easy_cleanup(curl);
}
return readBuffer;
}
根据建议,我实际使用了LIMIT
和OFFSET
。根据{{3}},没有必要使用ORDER BY
。这实际上更适合我。它的速度要快得多,我没有得到时间限制的例外。
for(int offset = 1000; ;offset += 1000 )
{
string query = "PREFIX basekb:<http://rdf.basekb.com/ns/> PREFIX rdf:<http://www.w3.org/1999/02/22-rdf-syntax-ns#> PREFIX rdfs:<http://www.w3.org/2000/01/rdf-schema#> select distinct ?head ?label where { ?head rdf:type basekb:common.topic. ?head rdfs:label ?label}LIMIT 1000 OFFSET " + std::to_string(offset) ;
SparqlQuery sparql(query, _serverURL);
string result = sparql.retrieveInformations();
cout << result << endl;
}
我还有一个问题。我怎么知道我是否越过了最高限度?希望我不会得到重复的结果。
答案 0 :(得分:1)
您使用以下命令限制sparql查询:
LIMIT 10
答案 1 :(得分:1)
对于第一个近似值,具有common.topic.description
属性的所有实体都将是common.topic
类型,因此对于许多应用程序执行此操作的更简单方法是仅使用grep
源RDF文件以查找具有common.topic.description
三元组的所有行。
这会在几分钟而不是几小时内给你一个答案。
如果您想坚持使用SPARQL,请尝试将LIMIT
和OFFSET
子句添加到您的查询中并迭代以获得所有结果(如Joshua Taylor所述,但隐藏在评论中)。< / p>
答案 2 :(得分:1)
通过HTTP使用SPARQL时,Virtuoso似乎对您的查询以及如何构造结果集施加了很多限制。我经常听到但无法理解的是,最大结果集大小(尽管virtuoso.ini
设置)似乎是1M行。
在Virtuoso端点上运行SPARQL查询有一些不太“开放”的方法,不受这些限制。
如果您不需要一遍又一遍地以编程方式执行此操作,并且您控制服务器,我可能首先尝试:尝试在isql
/ isql-vt
命令中运行查询线界面。您可以像这样运行sparql查询:
sparql select * {?s ?p ?o} limit 10;
似乎还有一个CSV
变量可以设置为输出“CSV”,但请注意encoding is weird。
其他选项是ODBC / JDBC连接器,例如DWSLab正在使用的连接器。