知识图谱学习与实践（4）——通过例句介绍Sparql的使用
作者：互联网
通过例句介绍Sparql的使用
1 简介
SPARQL的定义，是一个递归的定义，为SPARQL Protocal and RDF Query Language，是W3C制定的RDF知识图谱标准查询语言，大部分的图数据库都支持SPARQL查询。SPARQL在语法上借鉴了SQL。SPARQL是针对RDF三元组进行查询，通过图匹配的方式获得需要查找的内容。
下面通过一个例子来说明SPARQL的查询语句的基本结构。这个例子可以在http://dbpedia.org/sparql中运行，获取结果。
prefix ontology:<http://dbpedia.org/ontology/>
select distinct ?p ?o
from <http://dbpedia.org>
where {ontology:deathDate ?p ?o}
LIMIT 10
查询例句，包括了5个部分。
第一部分是前缀声明，这部分主要是为了后面查询内容的简洁，本例中用ontology代替http://dbpedia.org/ontology/，在后面的查询中直接使用ontology，比如ontology:deathDate就表示http://dbpedia.org/ontology/deathDate，
第二部分是select子句，用来确定需要查找的内容。以变量的形式体现，本例中就是查找?p和?o，按照三元组的主谓宾结构，这里查找的是谓语和宾语，分别用带问号的字符（串）来表示。
第三部分是from子句，用来确定从哪个图数据库中查找，类似于关系数据库的表名。本例需要查找的数据是在图数据库http://dbpedia.org中进行查找。也可以把http://dbpedia.org这个Graph IRI放到第一个方框内，作为默认的数据集名称。
第四部分是where子句，这部分是用来匹配三元组，把需要匹配的内容放到{}中，本例中，ontology:deathDate ?p ?o的含义就是主语是ontology:deathDate，即http://dbpedia.org/ontology/deathDate，谓语是?p，宾语是?o，匹配这个内容结构的所有三元组，也就是找出主语是http://dbpedia.org/ontology/deathDate的所有三元组。
第五部分是查询修正的内容，类似于关系数据查询最后的一些限定子句，比如排序order by，限定前几个输出的limit等。本例就是用的limit 10，限定只输出10个结果。
查询结果如下
|
p |
o |
|
http://www.w3.org/1999/02/22-rdf-syntax-ns#type |
http://www.w3.org/2002/07/owl#FunctionalProperty |
|
http://www.w3.org/1999/02/22-rdf-syntax-ns#type |
http://www.w3.org/1999/02/22-rdf-syntax-ns#Property |
|
http://www.w3.org/1999/02/22-rdf-syntax-ns#type |
http://www.w3.org/2002/07/owl#DatatypeProperty |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
http://www.wikidata.org/entity/P570 |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
http://schema.org/deathDate |
|
http://www.w3.org/2000/01/rdf-schema#label |
"Sterbedatum"@de |
|
http://www.w3.org/2000/01/rdf-schema#label |
"date de décès"@fr |
|
http://www.w3.org/2000/01/rdf-schema#label |
"death date"@en |
|
http://www.w3.org/2000/01/rdf-schema#label |
"sterfdatum"@nl |
|
http://www.w3.org/2000/01/rdf-schema#label |
"ημερομηνία_θανάτου"@el |
2 一些常用的查询语句
2.1 最简单的查询
就像SQL语句中的查询所有内容select * from table，SPARQL也有一个查询全部数据的语句，也是最简单的语句。
select ?s ?p ?o where {?o ?p ?o}
这个语句可以查看图数据库里面的所有三元组，不过如果数据集比较庞大，可能发生延时错误，也就是在一定的时间内查询不能完成导致最后无法完成查询，从而不能提供查询结果。
2.2 聚合函数
在SPARQL中，也有类似SQL中的聚合函数，比如count，比较常用的一个就是查询图数据库的三元组数量。
select count(?s) where {?o ?p ?o}
我们用上面的语句查询http://dbpedia.org中三元组的数量，我查了几次，有几次是给出延时错误，有的时候能给出结果。
|
callret-0 |
|
316290000 |
可以看到，http://dbpedia.org这个图数据库一共有3亿多条数据。
2.3 opional过滤
使用optional，可以起到过滤的作用，如果满足optional后面匹配的条件，则结果显示出来。比如下面的语句
prefix ontology:<http://dbpedia.org/ontology/>
select distinct ?p ?o
where {{?s ?p <http://schema.org/deathDate>} optional {?s <http://www.w3.org/2000/01/rdf-schema#label> ?o}}
查询的含义是先查找宾语是http://schema.org/deathDate 的主语?s和谓语?p，将主语?s满足模式?s <http://www.w3.org/2000/01/rdf-schema#label> ?o的内容找出来，最后显示出两个条件都满足的结果，也可以理解为，通过optional后面的子句过滤掉一部分第一个子句的结果，得到最终的结果。
|
p |
o |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
Sterbedatum@de |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
date de décès@fr |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
death date@en |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
|
|
http://www.w3.org/2002/07/owl#equivalentProperty |
|
|
http://www.w3.org/2002/07/owl#equivalentProperty |
|
|
http://www.w3.org/2002/07/owl#equivalentProperty |
resting date@en |
|
http://www.w3.org/2002/07/owl#equivalentProperty |
2.4 union全集
union也是一个在SPARQL中常用的关键字，使用union表示，将所有union连接的子句匹配的结果都显示出来。我们还用2.3的例子，不过把optional替换为union，可以比较一下二者的不同。
查询语句为
prefix ontology:<http://dbpedia.org/ontology/>
select distinct ?p ?o
where {{?s ?p <http://schema.org/deathDate>} union {?s <http://www.w3.org/2000/01/rdf-schema#label> ?o}}
查询结果为（部分结果）
从结果可以看出，optional和union的差别还是很明显的，optional是过滤，union是全集，是并的操作。
2.5 模糊查询
在SQL中的like查询，在SPARQL中也有对应的语句，就是使用FILTER 和regex。
例句为
prefix ontology:<http://dbpedia.org/ontology/>
select distinct ?p ?o
where {ontology:deathDate ?p ?o filter regex(?p,'label')}
还是查找主语deathDate这个主语的谓语和宾语列表，模糊查询的是谓语中含有’label’的谓语和宾语，这个filter和regex的组合实现的功能就是类似SQL的like功能。
查询结果为
|
p |
o |
|
http://www.w3.org/2000/01/rdf-schema#label |
Sterbedatum@de |
|
http://www.w3.org/2000/01/rdf-schema#label |
date de décès@fr |
|
http://www.w3.org/2000/01/rdf-schema#label |
death date@en |
|
http://www.w3.org/2000/01/rdf-schema#label |
sterfdatum@nl |
|
http://www.w3.org/2000/01/rdf-schema#label |
ημερομηνία_θανάτου@el |
|
http://www.w3.org/2000/01/rdf-schema#label |
没年月日@ja |
从结果可以看到，模糊查询中谓语只包含了有label的内容，其它的给过滤掉了。
3 结语
这里只是简单介绍了SPARQL的语法和常用的查询语句，实际环境中，应用SPARQL进行查询可能会复杂的多，会有很多复合语句，更为复杂的可能会跨数据集进行查询，也可能用到RDF的一些特性，比如只查找字面量或者只查找IRI的数据等等。总之，SPARQL查询，在实际的使用中，会碰到各种不同的需求，还要根据具体情况写出各种查询语句。
书写SPARQL查询语句的时候，还要细心，不能出错，不能写错一个字符，有的时候还要注意顺序，这些问题没有注意到，都可能导致查不到结果，或者是直接报错。在拼接SPARQL的时候，要多一些耐心，按照SPARQL规则来，循序渐进，慢慢就会初步掌握这种查询语言。
另外SPARQL还有UPDATE功能，有insert和delete关键字，但是没有update关键字，也就是说，SPARQL如果实现update操作，需要先insert再delete，从而达到update的效果。SPARQL的UPDATE功能，不如查询功能用的广泛，可能是因为数据集一般数据量大，都是直接以文件的形式存到数据库中的缘故。
本文通过例句的形式，介绍了SPARQL的基础知识，希望对大家学习sparql有帮助，在学习过程中，有什么问题，还是要多交流，共同进步。
参考资料
https://www.w3.org/TR/rdf-sparql-query/
标签：www,http,Sparql,例句,图谱,查询,w3,org,SPARQL 来源： https://www.cnblogs.com/coodream2009/p/11243322.html