SPARQL入门SPARQL简介与简单使用

Posted 2021-11-30 jclian91

??知识图谱（Knowledge Graph）是当前互联网最炙手可热的技术之一，它的典型应用场景就是搜索引擎，比如Google搜索，百度搜索。我们在百度搜索中输入问题“中国银行的总部在哪”，搜索的结果如下：

这便是知识图谱的典型应用，能够直接输出问题的答案。借助知识图谱，能够让搜索引擎更加高效，搜索结果更加精准，给用户带来更好的搜索体验和乐趣。
??关于知识图谱的知识点和工具数不胜数，我们在学习时常常会感到无从下手，一片茫然。本文将尝试着介绍知识图谱的几个知识点——RDF、URI、URL和SPARQL，希望能以此为切入点，让读者对SPARQL有些感性的认识，至于知识图谱，则是更大更深的范围了，不是本文所能概括的。

什么是SPARQL？

??SPARQL的英文全称为SPARQL Protocol and RDF Query Language，是为RDF开发的一种查询语言和数据获取协议，它是为W3C所开发的RDF数据模型所定义，但是可以用于任何可以用RDF来表示的信息资源。它于2008年1月15日正式成为一项W3C推荐标准，于2013年3月发布SPARQL1.1。
??既然SPARQL是为是为RDF开发的一种查询语言，那么什么是RDF呢？

什么是RDF？

??首先，RDF不是一种数据格式。
??RDF的英语全称为Resource Description Framework，中文名称为资源描述框架。RDF是一种描述数据文件储存的数据模型，该数据模型通常描述由三个部分组成的事实，被称为三元组（triples）。三元组由主语（subject）、谓语（predicate）和宾语（object）组成，看上去很像一个简单的句子。比如：

subject	predicate	object
richard	homeTel	[phone]
cindy	email	[email protected]

??以下为Turtle RDF格式的RDF文件，文件名为ex002.ttl，

# filename: ex002.ttl

@prefix ab: <http://learningsparql.com/ns/addressbook#> .

ab:richard ab:homeTel "[phone]" . 
ab:richard ab:email   "[email protected]" . 

ab:cindy ab:homeTel "[phone]" . 
ab:cindy ab:email   "[email protected]" . 

ab:craig ab:homeTel "[phone]" . 
ab:craig ab:email   "[email protected]" . 
ab:craig ab:email   "[email protected]" .

#表示注释，@prefix行为前缀行，即为<http://learningsparql.com/ns/addressbook#>取一个前缀ab:，也就是别名，避免每次命名时都要写这个长长的字符，句子最后的.可写可不写，写上后便于阅读。另外，<http://learningsparql.com/ns/addressbook#>是URI，这个后面会介绍。
?? 之后的每一行，都是一个三元组，分别是主语、谓语和宾语，带有前缀ab:。

URI和URL

??URI和URL是两个相近的概念，但URL只是URI的一种。
??URL就是我们常说的网址，英文全称为Uniform Resource Locators，是统一资源定位符，对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。
??URI的英语全称为Uniform Resource Identifier，是统一资源标识符。在RDF三元组中，主语、谓语必须属于某个特定的命名空间，避免相似的名字发生混淆，因此需要使用URI。

如何使用ARQ？

??好了，在了解了上述的基本概念之后，我们需要实践一把，在这里，我们使用ARQ。
??ARQ是SPARQL处理器。它是Apache Jena框架的一部分，是一个基于java的免费软件，其下载地址为：http://jena.apache.org/download/index.cgi。以Linux系统为例，我们下载文件apache-jena-3.11.0.zip，并将解压后的zip文件中的bin目录添加到环境变量中。添加方式如下：

• vim /etc/profile
• 在文件末尾添加命令：

export JENA_HOME=你的apache-jena-3.11.0路径
export PATH=$JENA_HOME/bin:$PATH

• source /etc/porfile
• 运行命令echo $JENA_HOME，如果能输出你的JENA路径，则表明添加该环境变量成功。

??接着我们写好SPARQL查询语句（关于查询语句，会在后面的文章中介绍），文件名为ex003.rq，内容如下：

# filename: ex003.rq

PREFIX ab: <http://learningsparql.com/ns/addressbook#> 

SELECT ?craig_email
WHERE
{ ab:craig ab:email ?craig_email . }

简单对该查询语句做个说明：PREFIX ab: http://learningsparql.com/ns/addressbook# 表示使用哪个URI，并取别名。后续的查询语句类似于SQL，是对三元组做查询，?craig_email为变量，查询三元组中的宾语，用通俗的话来理解，就是查询craig的电子邮箱是什么？
??运行命令：

arq --data ex002.ttl --query ex003.rq

输出结果如下：(ex002.ttl文件见之前的描述)

--------------------------------
| craig_email                  |
================================
| "[email protected]" |
| "[email protected]"       |
--------------------------------

还可以查询三元组中的其他部分，这里不再讲述，后续会专门讲SPARQL查询语句的。

总结

??在知识图谱的工具箱中，有很多图数据库，它们提供了很好的查询语句功能和可视化效果，比如Neo4j, Cayley，这次，我们可以学习下RDF和SPARQL，毕竟，SPARQL的查询能力和推理能力也是很强的哦～
??期待下次关于SPARQL的分享～

注意：不妨了解下笔者的微信公众号： Python爬虫与算法（微信号为：easy_web_scrape）， 欢迎大家关注~

参考文献

1. SPARQL百度百科：https://baike.baidu.com/item/SparQL/10956405?fr=aladdin

2. RDF百度百科：https://baike.baidu.com/item/rdf/5956080

3. URI百度百科：https://baike.baidu.com/item/URI/16481812

4. URL百度百科：https://baike.baidu.com/item/url

5. SPARQL维基百科：https://en.wikipedia.org/wiki/SPARQL

6. Apache Jena下载页面：http://jena.apache.org/download/index.cgi

7. 书籍： Learning SPARQL，Bob DuCharme，Publisher: O‘Reilly Media, Inc.

8. Learning SPARQL学习网址：http://www.learningsparql.com/