武漢OA信息化的基本XML和RDF技術(shù)（二）：將文件合并到RDF模型和基本的RDF查詢

申請免費試用、咨詢電話：400-8352-114

知識管理的基本XML和RDF技術(shù)（二） ： 將文件合并到RDF模型和基本的RDF查詢

Uche Ogbuji（uche.ogbuji@fourthought.com）

首席顧問，F(xiàn)ourthought, Inc.

2001 年 9 月

這篇“Thinking XML”專欄文章演示了如何將從多個 XML 源文檔中收集的元數(shù)據(jù)合并到用于有效查詢的單個“資源描述框架”（Resource Description Frame （RDF））模型中。專欄作家 Uche Ogbuji 在前一篇中介紹了如何一起使用 XML 和 RDF 來進行知識管理，本文是上一篇的繼續(xù)，在本文中他論述了基于用從現(xiàn)有的 XML 格式獲取的數(shù)據(jù)組成 RDF 模型的技術(shù)。該文的中心是一個示例，在該示例中，擴展基于 Web 的問題跟蹤器（最初開發(fā)它來操縱 XML 格式的應(yīng)用程序數(shù)據(jù)）來利用 RDF。XSLT 和 Python 樣本代碼清單演示了將來自 XML 文件的元數(shù)據(jù)聚合到單個 RDF 模型（一個使用 XSLT ，另一個使用 RDF）以及簡單 RDF 查詢的示例。

在本專欄的前一篇文章中，即知識管理的基本 XML 和 RDF 技術(shù)，第一部分（在繼續(xù)閱讀之前，可能需要重新回顧一下），介紹了一個基于收集的數(shù)據(jù)（以 XML 格式表示）的問題跟蹤器應(yīng)用程序示例。然后演示了如何使用 XSLT 從應(yīng)用程序數(shù)據(jù)中抽取 RDF。

本專欄文章通過演示如何組合由轉(zhuǎn)換每個 XML 源文檔所創(chuàng)建的離散的 RDF 片段來完成這些事情。同時還演示了一些基本的查詢技術(shù)。

資源批量派生

在上篇專欄文章中，完成了一個從 XML 源文件中抽取作為序列化格式的 RDF 的練習(xí)。然而，知識管理的大多數(shù)有用之處在于操縱 RDF 語句的抽象模型，而不是個別序列化文件。RDF 模型是圖形結(jié)構(gòu)，該結(jié)構(gòu)可以非常簡單也可以令人難以置信的復(fù)雜。（事實上，極端情況下，Semantic Web 的設(shè)想是要創(chuàng)建至少同當前 Web 一樣大的 RDF 模型。如果實現(xiàn)該模型的話，它可能是曾經(jīng)在使用中的最大的計算機數(shù)據(jù)結(jié)構(gòu)。）

迄今為止，問題跟蹤器的示例是由一組 XML 文件組成的，這些文件是 RDF 模型各部分的序列化。每一部分就象七巧板中的一塊，如果將它們組合到一塊兒，將表示問題跟蹤器應(yīng)用程序中所有數(shù)據(jù)的 RDF 模型。每一部分本身并不十分重要，因此下一步來討論如何創(chuàng)建一幅完整的“圖畫”，該“圖畫”才是知識管理的真正價值所在。

使用 XSLT 進行批量轉(zhuǎn)換

拼裝該“圖畫”的一種選擇是根本不處理七巧板塊，而是使用 XSLT 一勞永逸地生成該“圖畫”。可以編寫一個轉(zhuǎn)換，該轉(zhuǎn)換收集每個 XML 問題文檔，并運用前一篇文章中所描述的 RDF 轉(zhuǎn)換處理，然后將每次轉(zhuǎn)換結(jié)果累積到一個序列化 RDF 結(jié)果。要做到這一點，需要利用標準的 document() XSLT 函數(shù)，該函數(shù)可以讀入任意的文檔，這些文檔是作為用于轉(zhuǎn)換的補充性 XML 源文檔。

document() 函數(shù)需要知道所要讀入文檔的準確名稱。XSLT 沒有（比如說）通過使用通配符來讀入多個文檔的標準機制。可以通過許多方法解決這一問題（包括借助于 XSLT 擴展，該擴展允許通過通配符或其它機制來批量裝入文檔）。然而，因為這不是本示例的中心問題，所以選擇創(chuàng)建帶有每個問題文檔清單的集中（hub） XSLT 文檔這項折中方案。清單 1 issue-hub.xml 用指定的兩個問題文檔（在前一篇專欄文章中介紹過）來演示集中文檔是什么樣子的。

清單 1：帶有每個應(yīng)用程序數(shù)據(jù)文檔的問題文檔清單的集中 XML 文檔。

issue1.xml

issue2.xml

一旦有了集中文檔，就可以將清單 2 metadata-batch.xslt 中的轉(zhuǎn)換應(yīng)用到作為源文檔的集中文檔中以從所有列出的問題中創(chuàng)建聚合 RDF。

清單 2 看起來可能非常熟悉；其中大多數(shù)同前一篇文章中的轉(zhuǎn)換相同。這是因為我很留意 XML 結(jié)構(gòu)的模塊化處理。根模板現(xiàn)在從集中文檔中查找每個 issue 元素（注意，這里使用空名稱空間）。然后它從每個元素內(nèi)容中指定的文件名裝入文檔。注意，這里使用 document(.)/* 而不僅僅是 document(.)。這種構(gòu)造防止處理器匹配問題文檔的根節(jié)點，這會結(jié)束調(diào)用打算用于集中文檔根節(jié)點的模板。那些正是本專欄文章的批量轉(zhuǎn)換中的唯一區(qū)別。

可以使用任何 XSLT 處理器來執(zhí)行該轉(zhuǎn)換。我使用 4XSLT 來執(zhí)行轉(zhuǎn)換，如下所示：

$ 4xslt -o issues.rdf issue-hub.xml metadata-batch.xslt

該轉(zhuǎn)換導(dǎo)致 issues.rdf 中的序列化 RDF，它包含來自 issue1.xml 和 issue2.xml 中的元數(shù)據(jù)。

使用 RDF 工具進行批量轉(zhuǎn)換

將多個 XML 文檔聚合到單個 RDF 模型中的另一種選擇是（如前一篇文章所述）分別構(gòu)建每個 RDF 文檔，然后使用 RDF 解析器將所有的文檔解析成單個抽象模型。例如，通過對從前面一篇專欄文章中的示例問題文件中生成的兩個 RDF 文件使用 4RDF，將得到清單 3。

清單 3：從 XML 文件中派生，并由 RDF 解析器（這里是 4RDF）分析的兩個 RDF 問題文件的批量轉(zhuǎn)換結(jié)果

$ 4rdf -d 1.rdf 2.rdf

The following is a list of resulting tuples, each in the form "subject,

predicate, object".

[

("http://meta.rdfinference.org/ril/issue-tracker/ril-20010502",

"http://xmlns.rdfinference.org/ril/issue-tracker#issue",

"#i2001030423"),

("#anonymous:e08-e06-30b-90d-a060005104", "id", "i2001030423"),

("#anonymous:e08-e06-30b-90d-a060005104",

"http://xmlns.rdfinference.org/ril/issue-tracker#author",

"http://users.rdfinference.org/ril/issue-tracker#uogbuji"),

("#anonymous:1040d07-20b-909-407-b0e0402205",

"http://xmlns.rdfinference.org/ril/issue-tracker#author", "Alexandre

Fayolle "),

("#anonymous:1040d07-20b-909-407-b0e0402205",

"http://xmlns.rdfinference.org/ril/issue-tracker#body", "The

abbreviation in listing 8 doesn't seem necessary to Nico Chauvat or

me."),

("#anonymous:e08-e06-30b-90d-a060005104",

"http://xmlns.rdfinference.org/ril/issue-tracker#comment",

"#anonymous:1040d07-20b-909-407-b0e0402205"),

("#anonymous:60e0b06-50a-80c-90c-50a0a08602",

"http://xmlns.rdfinference.org/ril/issue-tracker#author",

"http://users.rdfinference.org/ril/issue-tracker#uogbuji"),

("#anonymous:60e0b06-50a-80c-90c-50a0a08602",

"http://xmlns.rdfinference.org/ril/issue-tracker#assignment",

"http://users.rdfinference.org/ril/issue-tracker#uogbuji"),

("#anonymous:e08-e06-30b-90d-a060005104",

"http://xmlns.rdfinference.org/ril/issue-tracker#action",

"#anonymous:60e0b06-50a-80c-90c-50a0a08602"),

("http://meta.rdfinference.org/ril/issue-tracker/ril-20010502",

"http://xmlns.rdfinference.org/ril/issue-tracker#issue",

"#i2001042003"),

("#anonymous:2030002-506-10a-201-f090809c08", "id", "i2001042003"),

("#anonymous:2030002-506-10a-201-f090809c08",

"http://xmlns.rdfinference.org/ril/issue-tracker#author",

"http://users.rdfinference.org/ril/issue-tracker#nchauvat"),

("#anonymous:c000706-b0b-d02-d0a-e050c0460b",

"http://xmlns.rdfinference.org/ril/issue-tracker#author", "Alexandre

Fayolle "),

("#anonymous:c000706-b0b-d02-d0a-e050c0460b",

"http://xmlns.rdfinference.org/ril/issue-tracker#body", "I agree"),

("#anonymous:2030002-506-10a-201-f090809c08",

"http://xmlns.rdfinference.org/ril/issue-tracker#comment",

"#anonymous:c000706-b0b-d02-d0a-e050c0460b"),

("#anonymous:b0c0c00-800-2-c08-20a0d0f209",

"http://xmlns.rdfinference.org/ril/issue-tracker#author",

"http://users.rdfinference.org/ril/issue-tracker#uogbuji"),

("#anonymous:b0c0c00-800-2-c08-20a0d0f209",

"http://xmlns.rdfinference.org/ril/issue-tracker#assignment",

"http://users.rdfinference.org/ril/issue-tracker#uogbuji"),

("#anonymous:2030002-506-10a-201-f090809c08",

"http://xmlns.rdfinference.org/ril/issue-tracker#action",

"#anonymous:b0c0c00-800-2-c08-20a0d0f209"),

]

清單 3 中第一行里的 -d 選項告訴 $RDF 將 subject/predicate/object 三元組從抽象 RDF 模型轉(zhuǎn)儲到命令行，該命令行顯示清單 3 的剩余部分.

一旦有了問題跟蹤器的完整 RDF 模型，可能希望以一種更易于閱讀的格式而不是清單 3 中所顯示的那種格式來查看它。例如，如果以清單 3 中的聚合 RDF 文件為例，并使用 Dan Brickley 的 RDF 可視化工具（請參閱參考資料）來處理它。

可以立即辨別出某種模式，譬如用戶“uogbuji”的投稿和職責。當然，我必須承認 RDF 中隨同 URI 而來的冗長的標識符妨礙了這一清晰性。

跨系統(tǒng)查詢

擁有可用元數(shù)據(jù)的 RDF 模型的另外一個立桿見影的好處在于：它使許多系統(tǒng)級查詢（相對于編寫針對一組 XML 文檔的 XPath 查詢，或?qū)?shù)據(jù)集中到專用數(shù)據(jù)結(jié)構(gòu)以用于查詢）變得更簡單更一般。雖然，“XML 查詢語言”（XQuery）和 XML 資源庫供應(yīng)商提供的專用文檔收集查詢工具的出現(xiàn)也幫助解決了這一需求，但是現(xiàn)在可以使用 RDF，至少這種基本模型是標準化的。

遺憾的是，RDF 模型的查詢還不是標準化的，這是 RDF 社區(qū)需要填補的非常重要的漏洞。幸運的是，由于 RDF 模型的簡單性，所以非常容易通過基本模式匹配來構(gòu)建幾乎所有形式的查詢。這是 4RDF 中所使用的基本方法，其中，查詢就是就是查找語句三元組的過程，該三元組匹配給定的主語、謂語和賓語模式。作為示例，請看表 1 中剛創(chuàng)建的部分統(tǒng)一模型。

表 1 .來自問題跟蹤器數(shù)據(jù)的一些語句

主語： #anonymous:a0d010d-f0c-706-20e-80a0407606 謂語： http://xmlns.rdfinference.org/ril/issue-tracker#body 賓語： Organize a vote on this topic 主語： #anonymous:a0d010d-f0c-706-20e-80a0407606 謂語： http://xmlns.rdfinference.org/ril/issue-tracker#assign-to 賓語： http://users.rdfinference.org/ril/issue-tracker#uogbuji 主語： #anonymous:402000d-403-309-c01-9080a205 謂語： http://xmlns.rdfinference.org/ril/issue-tracker#body 賓語： Correct all to use the "0/1" form in the next draft. 主語： #anonymous:402000d-403-309-c01-9080a205 謂語： http://xmlns.rdfinference.org/ril/issue-tracker#assign-to 賓語： http://users.rdfinference.org/ril/issue-tracker#uogbuji

有了這些三元組，就會非常容易地明白別人是如何會簡單地詢問如下問題：“給用戶 uogbuji 分配的操作標識是什么？”以及“每個操作的主體是什么？”。將第一個問題轉(zhuǎn)換成查找匹配下列模式的三元組，這里的“*”是匹配任何值的通配符：

主語 謂語 賓語 * http://xmlns.rdfinference.org/ril/issue-tracker#assign-to http://users.rdfinference.org/ril/issue-tracker#uogbuji

對此的響應(yīng)之一是帶有主語“#anonymous:a0d010d-f0c-706-20e-80a0407606”（表示匹配的操作標識）的語句。注意，該標識是由 4RDF 為匿名資源（如果資源沒有標識，則由應(yīng)用程序顯式地分配一個）生成的特殊標識。構(gòu)成全球唯一標識符（UUID）的一個十六進制值緊跟在“anonymous”序列之后。有了這個標識，第二個示例問題相當于匹配下列模式，該模式返回帶有賓語“Organize a vote on this topic”的語句：

主語 謂語 賓語 #anonymous:a0d010d-f0c-706-20e-80a0407606 http://xmlns.rdfinference.org/ril/issue-tracker#body *

建立在這一簡單的想法上，幾乎任何形式的 RDF 查詢（甚至關(guān)系型（SQL）查詢和對象（OQL）查詢的等價查詢）都是可能的。

編碼 RDF 查詢
清單 4 中的 Python 程序 query1.py 通過模式匹配、讀入 issues.rdf 文件以及打印 uogbuji 的所有任務(wù)的主體，使用 4RDF 來運用這項查詢技術(shù)。（如果沒有使用 Python，當然可以使用其它 RDF 查詢工具，譬如 RDFDb、Jena 或列在參考資料中“Dave Beckett 的 RDF 資源指南”中的工具。）

清單 4：演示一個 RDF 模型簡單查詢的 Python 程序。

from Ft.Rdf import Util

#Returns an RDF model object, and the database instance it uses for

#persistence (in our case, it's just a memory data structure)

model, db = Util.DeserializeFromUri('issues.rdf')

db.begin()

USER_ID_BASE = 'http://users.rdfinference.org/ril/issue-tracker#'

IT_SCHEMA_BASE = 'http://xmlns.rdfinference.org/ril/issue-tracker#'

print 'Actions assigned to uogbuji:'

#None is used as the wild-card

matching_statements = model.complete(None,

IT_SCHEMA_BASE+'assign-to',

USER_ID_BASE+'uogbuji'

)

for statement in matching_statements:

id = statement.subject

matching_statements = model.complete(id,

IT_SCHEMA_BASE+'body',

None

)

body = matching_statements[0].object

print "*", body

db.commit()

在清單 4 中，首先從 issues.rdf 文件中讀?。ń獬蛄谢㏑DF；然后執(zhí)行查詢以查找表示指派給 uogbuji 哪些操作的語句。然后使用每個語句的主語（操作標識）來查詢每個操作的主體。如果安裝了 Python 和 4Suite，運行和下面相同的示例：

$ python query1.py

Actions assigned to uogbuji

* Organize a vote on this topic

* Correct all to use the "0/1" form in the next draft.

這是 RDF 模型查詢的最底級別，因此有一點麻煩。清單 5 中的 Python 程序 query2.py 通過直接查詢相關(guān)主語和賓語等而走了一些捷徑。其結(jié)果就是清單 4 中同一個功能的更簡單的版本。

清單 5：簡化查詢代碼

from Ft.Rdf import Util

#Returns an RDF model object, and the database instance it uses for

#persistence (in our case, it's just a memory data structure)

model, db = Util.DeserializeFromUri('issues.rdf')

db.begin()

USER_ID_BASE = 'http://users.rdfinference.org/ril/issue-tracker#'

IT_SCHEMA_BASE = 'http://xmlns.rdfinference.org/ril/issue-tracker#'

print 'Actions assigned to uogbuji:'

actions = Util.GetSubjects(model, IT_SCHEMA_BASE+'assign-to',

USER_ID_BASE+'uogbuji')

for action in actions:

body = Util.GetObject(model, action, IT_SCHEMA_BASE+'body')

print "*", body

db.commit()

清單 5 仍然包含兩種級別的查詢；使用結(jié)合多個查詢的單個請求將更方便和更有效。（通過使用“RDF 推論語言（RDF Inference Language （RIL））”，那也是可能的，“RDF 推論語言”將在本專欄的后續(xù)文章中討論。順便提一下，示例問題跟蹤器數(shù)據(jù)中參考了 RIL 開放規(guī)范草稿。）清單 6 演示了在使用或不使用 API 捷徑情況下，執(zhí)行基本查詢的結(jié)果。

清單 6：執(zhí)行同清單 5 相同任務(wù)的簡化的查詢會話

$ python query2.py

Actions assigned to uogbuji

* Organize a vote on this topic

* Correct all to use the "0/1" form in the next draft.

RDF 查詢不必涉及元數(shù)據(jù)語句組件的精確匹配。大多數(shù)的查詢語言提供大量的靈活性。作為一個示例，清單 7（query3.py）中的 Python 程序使用基于正則表達式的查詢來查找所有指派給 uogbuji 的操作（該操作的主體包含字符串“vote”）。

同樣，通過使用 RIL，清單 7 中的代碼將是一個簡單查詢而且更有效（將在下一篇專欄文章里講述）。清單 8 演示了查詢中正則表達式的使用。

清單 8：演示在查詢中使用正則表達式的會話

$ python query3.py

Actions assigned to uogbuji

* Organize a vote on this topic

下一次……

本專欄文章演示了如何從示例問題跟蹤器應(yīng)用程序?qū)⒏鞑糠纸M成完整的 RDF 模型，并且舉例說明了該模型的基本查詢。在下篇文章中將探討一種豐富特性，可以利用 RDF 的強大功能來低成本地利用該特性。

知識管理的基本XML和RDF技術(shù)（六）