拆分包含在n-quads文件中的所有不同图

Question

我有一个很大的n-quads文件，在大量不同的图表中包含了许多语句，文件的行如下：

<http://voag.linkedmodel.org/voag#useGuidelines> <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://www.w3.org/1999/02/22-rdf-syntax-ns#Property> <http://voag.linkedmodel.org/schema/voag> .

第四个元素对应于图的URI。

我想解析这个文件，并将所有不同的图形拆分到新的文件或数据结构中，每个图形一个对象，最好使用RDFlib。我真的不知道如何解决这个问题，所以任何帮助都将不胜感激。

Answer 1

如果这些行使得所有的图URI都在一个序列中，那么您可以使用itertools' groupby依次解析每一个：

from itertools import groupby
import rdflib
def parse_nquads(lines):
    for group, quad_lines in groupby(lines, get_quad_label):
        graph = rdflib.Graph(identifier=group)
        graph.parse(data=''.join(quad_lines), format='nquads')
        yield graph

如果第四个元素总是存在并且是一个URI (在the specification中没有保证)，您可以通过搜索空格来找到它。

import re
RDF_QUAD_LABEL_RE = re.compile("[ \t]+<([^>]*)>[ \t].\n$")
def get_quad_label(line):
    return RDF_QUAD_LABEL_RE.search(line).group(1)

然后，可以将输入文件中的每个图表处理为新文件或数据集

with open('myfile.nquads', 'rt') as f:
  for graph in parse_nquads(f):
    ...