python知识图谱工具_个人的Python小工具（6.表格转知识图谱）

根据neo4j-admin的上传格式(仅保留最重要的参数)：

>> neo4j-admin import --nodes nodesFile1.csv

--nodes nodesFile2.csv

--relationships relationFile1.csv

--relationships relationFile2.csv

而neo4j根据nodes与relationships的文件内部架构连接节点与关系，最终得到知识图谱。因此我们需要知道nodes的内部数据结构：

relationships的内部结构：

而我们的工具需要完成如下目的：将第一范式的一张表格转换成知识图谱；

该表格的各个数据条目可任意定义为实体或实体的属性；

定义为实体的条目应为该条目所涉及实体的索引；

条目间的关系应可以任意制定，但是关系所对应的头和尾节点应同属原表格中的同一行。

如果可以该工具应该能适应任意表格数据

我们以下表为例：学生信息表(数据完全捏造，如有雷同，emmm你真棒！)

该表反映了某高校新一年级学生的基本情况，其中包含四个实体(学生、班主任、学生高中、学生初中)，接下来我们需要把这些实体衔接为一定的关系。大致关系如下图所示：知识图谱节点及关系图

学生实体的中学(__middleSchool__)关系与middleSchool关联，高中(__highSchool_)关系与highSchool关联，班主任实体的管理(_mornitor__)与student关联。相对应的工具工作流程如下：抽取实体列实体，去重，得到每个实体对应的个体列表(包含实体中的个体id及属性)‘

为个体增加实体名(:LABEL)；

构建关系文件，列明(:TYPE)类型需要主动定义。

相应的完整代码与样例已上传至github：Timaos123/Table2KG​github.com

当前仅支持csv格式文件。接下来，仅针对main函数阐述该工具使用方法：

if __name__ == "__main__":

parameters={

"fileName":"table2KG.csv",# 文件名尽量遵守windows命名规范，减少“.”的使用，最好csv

"entityList":["student","mentor","highSchool","middleSchool"],# 实体名：一维-list,作为ID

"attrList":[["学生姓名","语文","数学","英语","班级"],["班主任姓名","班主任年龄","班级"],["高中名","是否是示范性高中"],["初中名","是否是私立学校"]],# 属性名：二维-list

"relationDict":{"student-highSchool":"__highSchool__","student-middleSchool":"__middleSchool__","mentor-student":"__monitor__"},#实体间的关系,格式：{"实体1-实体2":"关系名"}

"sheet":"",#当文件时xls时使用

}

main(parameters)

fileName内容即为上述表格所在位置，entityList定位实体的列，attrList定义实体的属性列，由于属性依附于实体，因此attrList中的元素应与entityList中的元素一一对应，若某实体不存在属性，则置空一个list于对应位置，relationDict为{“实体1-实体2”:“关系名”}格式的词典，其中实体1与实体2为相应的实体列名，关系方向从实体1连接向实体2，sheet只有在fileName为xls时使用，不过当前暂未加入xls功能。

以上参数调整完成后运行代码，若顺利将出现如下输出：

生成nodes文件...

生成文件: studentNodes.csv

生成文件: mentorNodes.csv

生成文件: highSchoolNodes.csv

生成文件: middleSchoolNodes.csv

生成relationships文件...

生成文件: student-highSchool___highSchool__Relationships.csv

生成文件: student-middleSchool___middleSchool__Relationships.csv

生成文件: mentor-student___monitor__Relationships.csv

此时，同一文件夹下将生成7个文件(4个nodes，3个relationships)新生成7个文件

关闭neo4j，修改dbms.default_database=newStudent,调用neo4j-admin将这些文件输入到neo4j中，导入成功后，重新启动neo4j

>>>neo4j stop

>>>neo4j-admin import --database newStudent

--nodes highSchoolNodes.csv

--nodes mentorNodes.csv

--nodes middleSchoolNodes.csv

--nodes studentNodes.csv

--relationships mentor-student___monitor__Relationships.csv

--relationships student-highSchool___highSchool__Relationships.csv

--relationships student-middleSchool___middleSchool__Relationships.csv

>>>neo4j start

打开neo4j的newStudent数据库，所得结果如下图所示：知识图谱可视化展示

可见，所需关系及实体都被成功反应到neo4j上。不过使用过程中有些问题依然需要注意：

注：neo4j的console的编码格式应该是"utf8"(目前还没找到修改的地方)，所以在使用neo4j-admin时对应的文件名就不能是中文，而文件名是通过实体列及关系名定义的，因此实体列和关系名都不能用英文，否则会报错。不过文件内部内容可以是中文；

各个实体列应该是该实体对应的id，而非名字等有可能重复的值，不过不同实体的id可以不同，代码中会自动给实体id前面加上实体名，例如，若student的id为[1,2,3]而mentor的同样是[1,2,3]，此时，代码会给两个实体的id前面加上实体名，于是student的id就变成了[student1,student2,student3]，而mentor的id就变成了[mentor1,mentor2,mentor3]；

可能出现实体分享属性的情况，如student与mentor属于同一个班级时，此时，在attrList中需要在student和mentor对应的属性中分别指定“班级”这一属性；

目前不支持同一实体列的互相引用，不过可以考虑在生成表的时候通过select join从表的结构进行构造，不过新构造的实体和原实体列名不能一样。