middles在python中什么意思_在Python中解析大型RDF

如果您正在寻找快速性能，那么我建议您将Raptor与Redland Python Bindings一起使用。用C语言编写的Raptor的性能比RDFLib好得多。如果您不想处理C，可以使用python绑定

另一个提高性能的建议是，忘记解析RDF/XML，使用其他类型的RDF，比如Turtle或NTriples。特别是分析ntriples要比分析RDF/XML快得多。这是因为ntriples语法更简单。

您可以使用rapper(raptor附带的一个工具)将RDF/XML转换为ntriples：rapper -i rdfxml -o ntriples YOUR_FILE.rdf > YOUR_FILE.ntriples

ntriples文件将包含三元组，如：

.

"literal" .

解析器处理这种结构的效率很高。此外，内存方面比RDF/XML更有效，因为正如您所看到的，这个数据结构更小。

下面的代码是一个使用redland python绑定的简单示例：import RDF

parser=RDF.Parser(name="ntriples") #as name for parser you can use ntriples, turtle, rdfxml, ...

model=RDF.Model()

stream=parser.parse_into_model(model,"file://file_path","http://your_base_uri.org")

for triple in model:

print triple.subject, triple.predicate, triple.object

基本URI是前缀URI，以防在RDF文档中使用相对URI。您可以在here中查看有关Python Redland绑定API的文档

如果您不太关心性能，那么就使用RDFLib，它简单易用。