python - 解析大型 NTriples 文件 Python

Question

我正在尝试使用 Parse large RDF in Python 中的代码解析一个相当大的 NTriples 文件

我为 python 安装了 raptor 和 redland-bindings。

import RDF
parser=RDF.Parser(name="ntriples") #as name for parser you can use ntriples, turtle, rdfxml, ...
model=RDF.Model()
stream=parser.parse_into_model(model,"file:./mybigfile.nt")
for triple in model:
    print triple.subject, triple.predicate, triple.object

但是程序挂起，我怀疑它正在尝试将整个文件加载到内存或其他东西中，因为它没有立即启动。

有人知道怎么解决吗？

Answer 1

它很慢，因为您正在读入没有索引的内存存储(默认为 RDF.Model())。所以它变得越来越慢。 N-Triples 的解析确实从文件中流出，它永远不会将其全部吸入内存。

参见 Redland storage modules documentation有关存储模型的概述。在这里你可能想要存储type 'hashes' 和hash-type 内存。

s = RDF.HashStorage("abc", options="hash-type='memory'")
model = RDF.Model(s)

(未测试)