在装入apache-jena TDB triplestore之前对YAGO文件进行消毒。

Question

我想使用tdbloader将YAGO 3 rdf三元组(从yago3_entire_ttl.7z到http://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago/downloads/ )使用到apache (3.1.0)中。

apache提供的验证输入的防暴工具提供了两种类型的错误(多次发生)：

1. 非法unicode转义序列值：\ (0x5C)
2. IRI中的非法字符(代码点0x7C，“AC.26”)

我明显的想法是用通过防暴验证的可接受的字符序列替换'\‘和’\‘，但是我想知道是否还有其他的解决方案？

Answer 1

在这里找到了一个解决方案：

现在，.ttl文件需要进行某种预处理，替换非unicode字符，以便Jena接受数据。在Linux上，从您的-i文件所在的目录中运行sed -i的/-/-/g‘./* & sed -i 's/\/-/g’./ && sed -i‘s/-/g’./*。在Windows上，启动Ubuntu，导航到相应的目录(例如/mnt/c/Users/Ferdinand/yago)并执行相同的命令。这需要几分钟。我是说，真的有好几个..。

https://ferdinand-muetsch.de/how-to-load-yago-into-apache-jena-fuseki.html