从维基数据中提取 RDF 三元组

Question

我正在遵循 this 维基数据查询指南。

我可以使用 with:

获得某个实体（如果我知道它的代码）

from wikidata.client import Client
client = Client()
entity = client.get('Q20145', load=True)
entity
>>><wikidata.entity.Entity Q20145 'IU'>
entity.description
>>>m'South Korean singer-songwriter, record producer, and actress'

但是我怎样才能得到那个实体的 RDF 三元组呢？即所有出边和入边的形式为(subject, predicate, object)

看起来像 this SO question managed to get the triples, but only from a data dump here。我正在尝试从图书馆本身获取它。

Answer 1

如果您只需要出边，可以通过调用 https://www.wikidata.org/wiki/Special:EntityData/Q20145.nt

直接检索它们

from rdflib import Graph
g = Graph()
g.parse('https://www.wikidata.org/wiki/Special:EntityData/Q20145.nt', format="nt")    
for subj, pred, obj in g:
    print(subj, pred, obj)

要获取入边和出边，需要查询数据库。在维基数据上，这是使用 Wikidata Query Service 和查询语言 SPARQL 完成的。获取所有边的 SPARQL 表达式很简单 DESCRIBE wd:Q20145.

使用Python，您可以使用以下代码检索查询结果：

import requests
import json

endpoint_url = "https://query.wikidata.org/sparql"
headers = { 'User-Agent': 'MyBot' }
payload = {
    'query': 'DESCRIBE wd:Q20145',
    'format': 'json'
}
r = requests.get(endpoint_url, params=payload, headers=headers)
results = r.json()

triples = []
for result in results["results"]["bindings"]:   
    triples.append((result["subject"], result["predicate"], result["object"]))
print(triples)

这为您提供了来自复杂基础数据模型的完整结果来源。如果要分别查询传入和传出边，请将 DESCRIBE wd:Q20145 写成 CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?s) ?s ?p ?o} 仅具有传出边或 CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?o) ?s ?p ?o} 仅具有传入边。

根据您的目标，您可能想要过滤掉一些三元组，例如声明三元组，你可能想简化一些三元组。获得更清晰结果的一种可能性是将最后四行替换为：

triples = []
for result in results["results"]["bindings"]:   
    subject = result["subject"]["value"].replace('http://www.wikidata.org/entity/', '')
    object = result["object"]["value"].replace('http://www.wikidata.org/entity/', '')
    predicate = result["predicate"]["value"].replace('http://www.wikidata.org/prop/direct/', '')
    if 'statement/' in subject or 'statement/' in object:
        continue
    triples.append((subject, predicate, object))
print(triples)

Answer 2

But how can I get the RDF triples of that entity?

通过使用 SPARQL DESCRIBE 查询 (source), you get a single result RDF graph containing all the outgoing and incoming edges in the form of (subject, predicate, object). This can be achieved using the following Python example code (source):

from SPARQLWrapper import SPARQLWrapper

queryString = """DESCRIBE wd:Q20145"""
sparql = SPARQLWrapper("https://query.wikidata.org/sparql")

sparql.setQuery(queryString)
sparql.setReturnFormat(JSON)
results = sparql.query().convert()

for result in results["results"]["bindings"]:
    print(result)

如果你只想得到出边，使用CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?s) ?s ?p ?o}，对于入边，使用CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?o) ?s ?p ?o}（感谢@ UninformedUser).

示例代码：

from SPARQLWrapper import SPARQLWrapper

queryString = """CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?s) ?s ?p ?o}"""
sparql = SPARQLWrapper("https://query.wikidata.org/sparql")

sparql.setQuery(queryString)
sparql.setReturnFormat(JSON)
results = sparql.query().convert()

for result in results["results"]["bindings"]:
    print(result)

DESCRIBE和CONSTRUCT的结果分别可以看到here and here

从维基数据中提取 RDF 三元组

Extracting RDF triples from Wikidata

python

database

rdf

wikidata