1 Jena搭建SPARQL查询RDF数据
1.1 Jena概要
· SPARQL是W3C的RDF数据工作组设计的一种查询语言和协议，用于RDF数据的查询。经过类似于JDK安装时候的配置，可以在命令行运行SPARQL查询，也可以在安装了Jena API之后，在Java程序用使用SPARQL查询。
1.2 Jena环境搭建
· 到oracle官网上下载最新版本的JDK然后安装，地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html
· 可以从http://jena.sourceforge.net免费获得Jena的最新版本，或者直接从本站下载：jena-2.6.4.zip。
· 将下载好的jena解压到摸个目录，如C:\soft\develop\jena
· 添加环境变量，鼠标右键单击【我的电脑】－【属性】－【高级】－【环境变量】
■ 添加JDK系统变量PATH -> 值C:\Program Files (x86)\Java\jdk1.7.0_21\bin
■ 添加Jena系统变量PATH -> 值C:\soft\develop\jena\bat
■ 添加Jena根目录JENAROOT ->C:\soft\develop\jena
· 如何上面没执行错误的话，在命令行执行sparql会返回
No query string or query file
如果执行sparql –h（或者sparql –help）就会返回命令sparql的帮助信息。
1.3 执行一个简单的查询
· SPARQL查询语句的执行格式是：
sparql --data=<file> --query=<query>
file是要查询的数据源，RDF文件或者RDF图文件；
query是查询语句文件，以.rq为文件后缀。
· 数据源，一个RDF文件r1.rdf，文档描述一些简单的人名信息，下面是类似三元组形式的数据表示。
<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:vCard="http://www.w3.org/2001/vcard-rdf/3.0#">
<rdf:Description rdf:about="http://somewhere/MattJones/">
<vCard:FN>Matt Jones</vCard:FN>
<vCard:N rdf:parseType="Resource">
<vCard:Family>Jones</vCard:Family>
<vCard:Given>Matthew</vCard:Given>
</vCard:N>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/RebeccaSmith/">
<vCard:FN>Becky Smith</vCard:FN>
<vCard:N rdf:parseType="Resource">
<vCard:Family>Smith</vCard:Family>
<vCard:Given>Rebecca</vCard:Given>
</vCard:N>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/JohnSmith/">
<vCard:FN>John Smith</vCard:FN>
<vCard:N rdf:parseType="Resource">
<vCard:Family>Smith</vCard:Family>
<vCard:Given>Jones</vCard:Given>
</vCard:N>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/SarahJones/">
<vCard:FN>Sarah Jones</vCard:FN>
<vCard:N rdf:parseType="Resource">
<vCard:Family>Jones</vCard:Family>
<vCard:Given>Sarah</vCard:Given>
</vCard:N>
</rdf:Description>
</rdf:RDF>
· 查询语句q1.rq
SELECT ?x
WHERE { ?x <http://www.w3.org/2001/vcard-rdf/3.0#FN> "John Smith" }
· 使用上面的查询语句查询r1.rdf文件中的数据的命令行语句就是
sparql --data=r1.rdf --query=q1.rq
返回结果是：
---------------------------------
| x |
=================================
| <http://somewhere/JohnSmith/> |
---------------------------------
· 在执行上面的查询时，要保证数据文件和查询文件在当前目录下，否则命令中应该包括完整路径，即：
sparql --data=c:\sparql\r1.rdf --query=c:\sparql\q1.rq
2 对查询语句和查询结果的理解
· 查询语句包括查询信息的名称以及名称应该符合的条件。条件子句以三元组形式出现，按照<主语，谓语，宾语>的顺序排列。查询条件也成为一个模式（Pattern）。查询的结果实际就是条件三元组与数据文件（或RDF图）中RDF三元组匹配的结果。
· 语句中的 ? 加一个字母表示该字母是一个变量，比如 ?x，在SELECT后面的变量会显示在查询结果中，作为列名称出现。
· 实际上，做到这一步之后，所有的事情只是修改模式，给模式添加一些条件了，非常简单。
2.1 命名空间的简写替代
· 如果查询所有具有名字的实例以及该实例的名字，那么查询语句如下
SELECT ?x ?fname
WHERE {?x <http://www.w3.org/2001/vcard-rdf/3.0#FN> ?fname}
· 注意，“?x ?fname”之间是空格，不是逗号。如果有多个模式三元组，那么三元组之间用点号“.”隔开，比如
SELECT ?givenName
WHERE
{ ?y <http://www.w3.org/2001/vcard-rdf/3.0#Family> "Smith" .
?y <http://www.w3.org/2001/vcard-rdf/3.0#Given> ?givenName .}
· 这时候，模式中的谓词的URI都带一个长长的命名空间字符串，“http://www.w3.org/2001/vcard-rdf/3.0#”，
能用一个简单的单词代替它应该会比较简单。实现简写URI的的语法是这样的：
PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?givenName
WHERE
{ ?y vcard:Family "Smith" .
?y vcard:Given ?givenName .
}
· 语句PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#> 定义了一个前缀单词vcard，在查询语句中，它与后面的命名空间等价。
2.2 过滤查询结果
· 在查询语句中添加过滤条件的语句是
FILTER regex(?x, "pattern" [, "flags"])
FILTER是声明过滤，?x是过滤模式作用的变量，后面的pattern是具体的限制条件，比如
PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?g
WHERE
{ ?y vcard:Given ?g .
FILTER regex(?g, "r", "i") }
这是要查询一些名字（Given Name），”r”表示，名字中必须出现的字母”r”或者”R”；”i”表示，对签名的字母限制，默认不加对大小写敏感，加上则对大小写不敏感。上面查询的结果是
-------------
| g |
=============
| "Rebecca" |
| "Sarah" |
-------------
· 对数值限制的一个例子是：请查询r2.rdf文件
PREFIX info <http://somewhere/peopleInfo#>
SELECT ?resource
WHERE { ?resource info:age ?age .
FILTER (?age >= 24)}
查询结果是：
------------------------------------------
| resource | age |
==========================================
| <http://somewhere/JohnSmith/> | 44 |
| <http://somewhere/RebeccaSmith/> | 30 |
------------------------------------------
2.3 可选的查询信息optional information
· 在一些查询中，一些需要返回的数据可能不存在，而这些不存在的数据所在的数据元素中有其他需要返回的信息，这时候就可以通过可选查询信息进行查询，比如：
PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name ?age
WHERE
{ ?person vcard:FN ?name .
OPTIONAL { ?person vcard:Age ?age }
}
这是要查询一些名字和年龄，但有些人没有年龄信息，也要返回名字。
于是，OPTIONAL表示，模式{ ?person info:age ?age } 是可选的，不是必须满足的。
这个查询的执行语句是
sparql --data=vc-db-2.rdf --query=q-opt1.rq
查询结果是
-----------------------
| name | age |
=======================
| "Sarah Jones" | |
| "John Smith" | 44 |
| "Becky Smith" | 30 |
| "Matt Jones" | 18 |
-----------------------
如果去点关键字OPTIONAL，那么，查询的结果就是
-----------------------
| name | age |
=======================
| "John Smith" | 44 |
| "Becky Smith" | 30 |
| "Matt Jones" | 18 |
-----------------------
有些人没有年龄信息，那么，这些人的名字也不会被作为查询结果返回。
2.4 对可选模式添加过滤条件
PREFIX vcard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name ?age
WHERE
{ ?person vcard:FN ?name .
OPTIONAL { ?person vcard:Age ?age .
FILTER ( ?age > 24 ) }
}
这样返回的信息是
-----------------------
| name | age |
=======================
| "Sarah Jones" | |
| "John Smith" | 44 |
| "Becky Smith" | 30 |
| "Matt Jones" | |
-----------------------
· 有些人没有年龄信息（"Sarah Jones"），有些人的年龄小于24（"Matt Jones" ），他们的名字信息也会出现在查询结果中。下面的查询要求，如果有年龄信息，那么年龄必须大于24，否则不是期望的查询结果。
PREFIX vcard:<http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name ?age
WHERE
{ ?person vcard:FN ?name .
OPTIONAL { ?person vcard:Age ?age . }
FILTER ( !bound(?age) || ?age > 24 )
}
语句 !bound(?age) || ?age > 24 的意思是，没有（未绑定）age或者age大于24。如此，年龄小于24的"Matt Jones"就不会出现在这个查询的结果中了。
-----------------------
| name | age |
=======================
| "Sarah Jones" | |
| "John Smith" | 44 |
| "Becky Smith" | 30 |
-----------------------
2.5 联合查询
· vCard词汇表和FOAF词汇表都可以表示人的信息，比如vCard中的vCard:FN, FOAF中的foaf:name.这一节介绍在一个RDF图同时用vCard:FN和foaf:name表示人的信息时，如何查询相关数据。
注：vCard是电子商务中卡的一种文件格式标准，一般与邮件信息关联。FOAF（http://xmlns.com/foaf/0.1/）是一种RDF的应用，所列网址有它的规范。
· 一个RDF文件，r3.rdf文件的的内容为
<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:vCard="http://www.w3.org/2001/vcard-rdf/3.0#">
<rdf:Description rdf:about="http://somewhere/MattJones">
<foaf:name>Matt Jones</foaf:name>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/SarahJones">
<foaf:name>Sarah Jones</foaf:name>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/BeckySmith/">
<vCard:name>Becky Smith</vCard:name>
</rdf:Description>
<rdf:Description rdf:about="http://somewhere/JohnSmith/">
<vCard:name>John Smith</vCard:name>
</rdf:Description>
</rdf:RDF>
它只是分别用foaf:name和vcard:FN描述了四个人名，这一节的查询将针对此文件。
· 查询人名信息
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name
WHERE{
{ [] foaf:name ?name } UNION { [] vCard:FN ?name }
}
查询结果是
-----------------
| name |
=================
| "Sarah Jones" |
| "Matt Jones" |
| "John Smith" |
| "Becky Smith" |
-----------------
一个等价的查询语句是
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name
WHERE{
[] ?p ?name
FILTER ( ?p = foaf:name || ?p = vCard:FN ) }
· 记录结果的来源，查询语句和结果分别是
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name1 ?name2
WHERE{
{ [] foaf:name ?name1 } UNION { [] vCard:FN ?name2 }
}
---------------------------------
| name1 | name2 |
=================================
| "Sarah Jones" | |
| "Matt Jones" | |
| | "John Smith" |
| | "Becky Smith" |
---------------------------------
使用OPTIONAL
PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX vCard: <http://www.w3.org/2001/vcard-rdf/3.0#>
SELECT ?name1 ?name2
WHERE{
?x ?a ?name
OPTIONAL { ?x foaf:name ?name1 }
OPTIONAL { ?x vCard:FN ?name2 }
}
查询结果是：
---------------------------------
| name1 | name2 |
=================================
| "Matt Jones" | |
| "Sarah Jones" | |
| | "Becky Smith" |
| | "John Smith" |
---------------------------------
2.6 查询命名的图
· 图是一个RDF数据集，不是一个完整的RDF文件。现在有三个图
ds-dft.rdf
<?xml version="1.0"?>
<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:dc="http://purl.org/dc/elements/1.1/">
<rdf:Description rdf:about="ds-ng-1.rdf">
<dc:date rdf:datatype="&xsd;dateTime">2005-07-14T03:18:56+0100</dc:date>
</rdf:Description>
<rdf:Description rdf:about="ds-ng-2.rdf">
<dc:date rdf:datatype="&xsd;dateTime">2005-09-22T05:53:05+0100</dc:date>
</rdf:Description>
</rdf:RDF>
ds-ng-1.rdf
<?xml version="1.0"?>
<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:dc="http://purl.org/dc/elements/1.1/">
<rdf:Description rdf:about="">
<dc:title>Harry Potter and the Philospher's Stone</dc:title>
</rdf:Description>
<rdf:Description rdf:about="">
<dc:title>Harry Potter and the Chamber of Secrets</dc:title>
</rdf:Description>
</rdf:RDF>
ds-ng-2.rdf
<?xml version="1.0"?>
<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:dc="http://purl.org/dc/elements/1.1/">
<rdf:Description rdf:about="">
<dc:title>Harry Potter and the Sorcerer's Stone</dc:title>
</rdf:Description>
<rdf:Description rdf:about="">
<dc:title>Harry Potter and the Chamber of Secrets</dc:title>
</rdf:Description>
</rdf:RDF>
· 查询语句是
PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>
PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX : <.>
SELECT *{ ?s ?p ?o }
对图的查询是（PREFIX : <.>是为了格式化输出？？？），
sparql --graph=ds-dft.rdf --namedgraph=ds-ng-1.rdf --namedgraph=ds-ng-2.rdf --query=ds-dft.rq
查询结果是
---------------------------------------------------------------------
| s | p | o |
=====================================================================
| :ds-ng-2.rdf | dc:date | "2005-09-22T05:53:05+0100"^^xsd:dateTime |
| :ds-ng-1.rdf | dc:date | "2005-07-14T03:18:56+0100"^^xsd:dateTime |
---------------------------------------------------------------------
· 查询指定图
PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX : <.>
SELECT ?title{
GRAPH :ds-ng-2.rdf
{ ?b dc:title ?title }}
查询结果
---------------------------------------------
| title |
=============================================
| "Harry Potter and the Chamber of Secrets" |
| "Harry Potter and the Sorcerer's Stone" |
---------------------------------------------
2.7 SPARQL查询结果集
· 四种形式的结果
■ SELECT – 返回一个表（table），Tutorial里介绍的主要是这种查询
■ CONSTRUCT – 返回一个RDF图
■ DESCRIBE – 返回一个RDF图.
■ ASK – 布尔查询
· 结果调整
■ Projection - 投影- 只保持选择的变量
■ OFFSET/LIMIT - 偏移和限制 - 分解数字结果
■ ORDER BY - 排序
■ DISTINCT - 产生只有一行的一个组合变量和值.