RDF介绍及owl文件解析

1、知识预热（这些内容参考了菜鸟教程，可以直接去菜鸟官网阅读，更清晰明了）：

• XML：是独立于软件和硬件的信息传输工具，被设计用来传输和存储数据，其焦点是数据内容，但XML语言没有预定义的标签，允许创作者定义自己的标签和自己的文档结构；
• HTML：被设计用来显示数据，其焦点是数据的外观；
• XHTML：指的是可扩展超文本标记语言，是以XML格式编写的HTML，是更加严格更加纯净的HTML版本；
• XML命名空间：提供避免元素命名冲突的方法。在XML中，元素名称是自定义的，当两个不同文档使用相同的元素名时，就会发生命名冲突。可以使用前缀来避免命名冲突，命名空间是在元素的开始标签的 xmlns 属性中定义的，所有带有相同前缀的子元素都会与同一个命名空间相关联。

2、RDF：用于web上的资源描述框架，使用XML编写，是为了被计算机阅读和理解
（1）RDF规则：使用web标识符来标识资源，使用属性和属性值来描述资源。其中，资源是可拥有URI的任何事物，如 “https://www.runoob.com//rdf”；属性是拥有名称的资源，如 “author” 或 “homepage”；属性值是某属性的值，如"David" 或 “https://www.runoob.com/” （属性值可以是另外一个资源）
（2）RDF主要元素：以及可表示某个资源的元素：

• rdf:RDF：是RDF文档的根元素，他把XML文档定义为一个RDF文档，包含对RDF命名空间的引用；
• rdf:Description：通过about属性标识一个资源，可包含标记资源的那些元素
  （3）RDF容器元素：用于描述一组事物，包括：、、
• rdf:Bag：用于描述一个规定为无序的值的列表
• rdf:Seq：用于描述一个规定为有序的值的列表（如字母顺序排序）
• rdf:Alt用于一个可替换的值的列表（用户仅可选择这些值的其中之一）
  （4）RDF集合：用于描述仅包含指定成员的组
  （5）RDF Schema：是对RDF的一种扩展，不提供实际的应用程序专用的类和属性，而提供一个描述应用程序专用的类和属性框架
  （6）RDF都柏林核心：一套供描述文档的预定义属性

3、OWL：一门供处理web信息的语言，是构建在RDF之上的web本体语言，但较RDF相比，OWL是一门具有更强解释能力的更强大的语言
（1）为什么使用owl？

• Web信息拥有确切的含义
• Web信息可被计算机理解并处理
• 计算机可从Web上整合信息

（2）解析OWL：参考1、2、3、4

import csv
from rdflib import Graph, Namespace

# 创建一个RDF图
graph = Graph()

# 导入PKU PIE本体文件
graph.parse(r"../../Datas/PKU_PIE/firstreleaseowl.owl", format="xml")

# 定义命名空间
rdfs = Namespace("http://www.w3.org/2000/01/rdf-schema#")

# 查询主实体和客实体
query = """
SELECT ?subject ?object
WHERE {
    ?subject rdfs:subClassOf ?object .
}
"""

# 执行查询
results = graph.query(query)

# 输出结果
for row in results:
    subject = row.subject
    pred = 'http://www.w3.org/2000/01/rdf-schema#subClassOf'
    object = row.object

#写入文件
with open("../../Datas/PKU_PIE/firstreleaseowl.csv","w",newline='',encoding='utf-8') as f1:
    writer=csv.writer(f1)
    header=['Subject','Predicate','Object']
    writer.writerow(header)
    for row in results:
        list_triple=[]
        subject = row.subject
        pred = 'http://www.w3.org/2000/01/rdf-schema#subClassOf'
        object = row.object
        st = str(subject)
        list_triple.append(st)
        list_triple.append(pred)
        st = str(object)
        list_triple.append(st)
        writer.writerow(list_triple)

结果展示：

• 原文件内容：
  

• 解析之后：
  
  （3）当读取了本体层数据信息，还需要获取一个实体类别三元组，即将实体及其所属类别对应，是RDF格式的.ttl文件

from rdflib import Graph
import csv
from tqdm import tqdm
import zhconv

# 创建一个空的 RDF 图
graph = Graph()

# 从 .ttl 文件加载数据到图中
graph.parse(r"../../Datas/PKU_PIE/firstreleasetriple.ttl", format="turtle")

# 进行数据操作，例如查询
query = """
SELECT ?subject ?predicate ?object
WHERE {
    ?subject ?predicate ?object .
}
"""
results = graph.query(query)

# 将结果写入 .csv 文件
with open("../../Datas/PKU_PIE/firstreleasetriple0.csv", "w", newline="",encoding='utf-8') as csvfile:
    writer = csv.writer(csvfile)

    # 写入表头
    writer.writerow(["Subject", "Predicate", "Object"])

    # 写入每一行数据
    for row in tqdm(results):
        simplified_row = [zhconv.convert(cell,'zh-cn') for cell in row]	#源文件有的是繁体
        # print(simplified_row)
        writer.writerow(simplified_row)

print("数据已成功写入 output.csv 文件。")

解析结果：

• 源文件：
  

• 目标文件：
  
  注：上述数据来源于北京大学中文百科知识图谱