1

我需要将 1000 多个 .ttl 文件合并到一个文件数据库中。如何将它们与过滤源文件中的数据合并并仅保留目标文件中所需的数据？

谢谢

4

1 回答 1

2

有许多选项，但最简单的方法可能是使用 Turtle 解析器来读取所有文件，并让该解析器将其输出传递给处理程序，该处理程序执行过滤，然后再将数据传递给 Turtle 编写器。

这样的事情可能会起作用（使用RDF4J）：

  RDFWriter writer = org.eclipse.rdf4j.rio.Rio.createWriter(RDFFormat.TURTLE, outFile);

  writer.startRDF();
  for (File file : // loop over your 100+ input files) {
      Model data = Rio.parse(new FileInputStream(file), "", RDFFormat.TURTLE);
      for (Statement st: data) {
         if (// you want to keep this statement) {
              writer.handleStatement(st);
         }
      }
  }
  writer.endRDF();

或者，只需将所有文件加载到 RDF 存储库中，然后使用 SPARQL 查询来获取数据并保存到输出文件，或者如果您愿意：在导出整个存储库之前使用 SPARQL 更新删除您不需要的数据到一个文件。

沿着这些思路（再次使用 RDF4J）：

 Repository rep = ... // your RDF repository, e.g. an in-memory store or native RDF database

 try (RepositoryConnection conn = rep.getConnection()) {

    // load all files into the database
    for (File file: // loop over input files) {
        conn.add(file, "", RDFFormat.TURTLE);
    }

    // do a sparql update to remove all instances of ex:Foo
    conn.prepareUpdate("DELETE WHERE { ?s a ex:Foo; ?p ?o }").execute();

    // export to file
    con.export(Rio.createWriter(RDFFormat.TURTLE, outFile));
 } finally {
    rep.shutDown(); 
 }

根据数据量/文件大小，您可能需要稍微扩展此基本设置（例如，通过使用事务而不是让连接自动提交）。但希望你能大致了解一下。

于 2019-03-15T03:17:12.003 回答