Python 将json格式文件转存为RDF格式文件

一、什么是json格式
JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。它基于 ECMAScript 规范的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。 易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。
举例：

{
        "infoBox": {
                "籍贯：": "台湾", 
                "性别：": "男", 
                "经纪公司：": "杰威尔音乐有限公司", 
                "出生年月：": "1979年1月18日", 
                "主要成就：": "两届台湾金曲奖最佳国语男歌手获得十五座金曲奖（获奖最多）连续7年获得IFPI香港唱片销量大奖十大销量国语唱片", 
                "出生地：": "台湾新北", 
                "毕业院校：": "淡江中学", 
                "英文名：": "Jay Chou", 
                "民族：": "汉族",
                 "血型：": "O", 
                "职业：": "歌手、音乐人、制作人、导演、商人", 
                "星座：": "魔羯座", 
                "国籍：": "中国", 
                "代表作品：": "龙卷风、简单爱、七里香、夜曲、青花瓷、稻香、头文字D、不能说的秘密、逆战、青蜂侠、天台",
                 "中文名：": "周杰伦", 
                 "别名：": "周董"
         },
          "openType：": ["艺人"], 
          "infoName：": "周杰伦"
  }

二、什么是RDF格式
资源描述框架 (RDF) 是描述网络中资源的 W3C 标准。
RDF 是一个框架，用来描述网络资源，诸如网页的标题、作者、修改日期、内容以及版权信息等。
具体可参考W3Cschool RDF 教程
举例：

<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF
   xmlns:ns1="http://baike.com/resource/"
   xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
>
  <rdf:Description rdf:about="http://baike.com/resource/周杰伦">
    <ns1:代表作品 rdf:resource="http://baike.com/resource/不能说的秘密"/>
  </rdf:Description>
</rdf:RDF>

三、读json文件

# -*- coding: utf-8 -*-
import json
f = open('data.json', 'r')
for line in f:
    print line

结果：

四、存RDF文件
这里使用的是Python的一个库：RDFlib
安装使用参考：RDFLib/rdflib · GitHub

# -*- coding: utf-8 -*-
import rdflib
g = rdflib.Graph()
s = rdflib.URIRef('http://baike.com/resource/周杰伦')
p = rdflib.URIRef('http://baike.com/resource/代表作品')
o = rdflib.URIRef('http://baike.com/resource/不能说的秘密')

g.add((s, p, o))
g.serialize('hello.rdf')  # 默认以'xml'格式存储

结果：

五、json转RDF
最后这里是将上一篇《利用scrapy框架爬取互动百科的词条–存成json》存的json文件保存为RDF文件作为知识库保存起来

# -*- coding: utf-8 -*-
import json
import re
import rdflib
f = open('data.json', 'r')
g1 = rdflib.Graph()
cnt = 0
for line in f:
    #txt = eval("{" + line + "}")
    txt = eval(line)
    cnt = cnt + 1
    print cnt
    try:
        s = rdflib.URIRef('http://baike.com/resource/' + txt['infoName'])
        p = rdflib.URIRef('http://baike.com/resource/开放分类')
        opentype = re.split(r',', txt['openType'])
        for i in range(len(opentype) - 1):
            o = rdflib.URIRef('http://baike.com/resource/' + opentype[i])
            g1.add((s, p, o))
        o = rdflib.URIRef('http://baike.com/resource/' +
                          opentype[len(opentype) - 1])
        g1.add((s, p, o))

        # g1.serialize('da.rdf')
        if len(txt['infoBox']) != 0:
            box = re.split(r',', txt['infoBox'])
            for num in range(len(box) - 1):
                lastbox = re.split(r':', box[num])
                print len(lastbox)
                if len(lastbox) == 2:
                    print lastbox[0]
                    print lastbox[1]
                    try:
                        rtxt = re.compile(
                            r'"| |　|    |:|：|、|。|\(|\)|（|）|℃|}|{')
                        lastKey = rtxt.sub('', lastbox[0])
                        p = rdflib.URIRef(
                            'http://baike.com/resource/' + lastKey)
                        rtxt = re.compile(r'"| |\&gt|}|{')
                        lastTest = rtxt.sub('', lastbox[1])
                        lastTestChild = re.split(
                            r'、|，|；|;|,|\|', lastTest)
                        for i in range(len(lastTestChild) - 1):
                            o = rdflib.URIRef(
                                'http://baike.com/resource/' + lastTestChild[i])
                            g1.add((s, p, o))
                        o = rdflib.URIRef(
                            'http://baike.com/resource/' + lastTestChild[len(lastTestChild) - 1])
                        g1.add((s, p, o))

                        # g1.serialize('da.rdf')
                    except:
                        pass

    except Exception as e:
        pass
g1.serialize('data.rdf')
# print box[num]

f.close()

测试数据与程序：点击下载