python - 从 Wikidata 中提取 RDF 三元组

Question

我正在按照本指南从 Wikidata 进行查询。

我可以使用以下方法获取某个实体（如果我知道它的代码）：

from wikidata.client import Client
client = Client()
entity = client.get('Q20145', load=True)
entity
>>><wikidata.entity.Entity Q20145 'IU'>
entity.description
>>>m'South Korean singer-songwriter, record producer, and actress'

但是我怎样才能得到那个实体的 RDF 三元组呢？即所有以（主语、谓语、宾语）形式的出边和入边

看起来这个SO question 设法获得了三元组，但只能从这里的数据转储中获得。我正在尝试从图书馆本身获取它。

标签： pythondatabaserdfwikidata

Answer 1

如果您只需要传出边，您可以通过调用https://www.wikidata.org/wiki/Special:EntityData/Q20145.nt直接检索它们

from rdflib import Graph
g = Graph()
g.parse('https://www.wikidata.org/wiki/Special:EntityData/Q20145.nt', format="nt")    
for subj, pred, obj in g:
    print(subj, pred, obj)

要获取传入和传出边，您需要查询数据库。在 Wikidata 上，这是使用Wikidata 查询服务和查询语言 SPARQL 完成的。获取所有边的 SPARQL 表达式就像DESCRIBE wd:Q20145.

使用 Python，您可以使用以下代码检索查询结果：

import requests
import json

endpoint_url = "https://query.wikidata.org/sparql"
headers = { 'User-Agent': 'MyBot' }
payload = {
    'query': 'DESCRIBE wd:Q20145',
    'format': 'json'
}
r = requests.get(endpoint_url, params=payload, headers=headers)
results = r.json()

triples = []
for result in results["results"]["bindings"]:   
    triples.append((result["subject"], result["predicate"], result["object"]))
print(triples)

这为您提供了来自复杂基础数据模型的完整结果来源。如果要分别查询传入和传出边，请编写而不是DESCRIBE wd:Q20145仅CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?s) ?s ?p ?o}具有传出边或CONSTRUCT {?s ?p ?o} WHERE {BIND(wd:Q20145 AS ?o) ?s ?p ?o}仅具有传入边。

根据您的目标，您可能希望过滤掉一些三元组，例如语句三元组，并且您可能希望简化一些三元组。获得更清晰结果的一种可能性是将最后四行替换为：

triples = []
for result in results["results"]["bindings"]:   
    subject = result["subject"]["value"].replace('http://www.wikidata.org/entity/', '')
    object = result["object"]["value"].replace('http://www.wikidata.org/entity/', '')
    predicate = result["predicate"]["value"].replace('http://www.wikidata.org/prop/direct/', '')
    if 'statement/' in subject or 'statement/' in object:
        continue
    triples.append((subject, predicate, object))
print(triples)