java - 使用 Jena Library 从 Java 中的 RDF 网页中提取 URI

Question

我编写了以下代码，用于从链接数据应用程序的内容类型为 application/rdf-xml 的网页中提取 URI。

public static void test(String url) {
    try {
        Model read = ModelFactory.createDefaultModel().read(url);
        System.out.println("to go");
        StmtIterator si;
        si = read.listStatements();
        System.out.println("to go");
        while(si.hasNext()) {
            Statement s=si.nextStatement();
            Resource r=s.getSubject();
            Property p=s.getPredicate();
            RDFNode o=s.getObject();
            System.out.println(r.getURI());
            System.out.println(p.getURI());
            System.out.println(o.asResource().getURI());
        }
    }
    catch(JenaException | NoSuchElementException c) {}
}

但是对于输入

<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:ex="http://example.org/stuff/1.0/">
    <rdf:Description rdf:about="http://www.w3.org/TR/rdf-syntax-grammar"
        dc:title="RDF/XML Syntax Specification (Revised)">
        <ex:editor>
            <rdf:Description ex:fullName="Dave Beckett">
                <ex:homePage rdf:resource="http://purl.org/net/dajobe/" />
            </rdf:Description>
        </ex:editor>
    </rdf:Description>
</rdf:RDF>

输出是:

Subject URI is http://www.w3.org/TR/rdf-syntax-grammar
Predicate  URI is http://example.org/stuff/1.0/editor
Object URI is null
Subject URI is http://www.w3.org/TR/rdf-syntax-grammar
Predicate  URI is http://purl.org/dc/elements/1.1/title
Website is read

我需要输出中存在该页面上的所有 URI，以便为 RDF 页面构建网络爬虫。我需要输出中的所有以下链接:

       http://www.w3.org/TR/rdf-syntax-grammar
       http://example.org/stuff/1.0/editor
       http://purl.org/net/dajobe
       http://example.org/stuff/1.0/fullName
       http://www.w3.org/TR/rdf-syntax-grammar
       http://purl.org/dc/elements/1.1/title

Answer 1

小错误:你的意思是application/rdf+xml(注意加号)。

无论如何，你的问题很简单:

catch(JenaException | NoSuchElementException c) {}

糟糕!您错过了此处抛出的错误，并且输出被截断:

System.out.println(o.asResource().getURI());

o 并不始终是资源，这会在三元组上中断

<http://www.w3.org/TR/rdf-syntax-grammar> dc:title "RDF/XML Syntax ..."

所以你需要警惕:

if (o.isResource()) System.out.println(o.asResource().getURI());

或者更具体:

if (o.isURIResource()) System.out.println(o.asResource().getURI());

这将跳过您在 ex:editor 中看到的 null 输出。

现在写一千遍我不会吞下异常:-)