Python 将json格式文件转存为RDF格式文件

来源：互联网发布：青山水利造价软件编辑：程序博客网时间：2024/06/14 22:32

一、什么是json格式
JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。它基于 ECMAScript 规范的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。
举例：

{        "infoBox": {                "籍贯：": "台湾",                 "性别：": "男",                 "经纪公司：": "杰威尔音乐有限公司",                 "出生年月：": "1979年1月18日",                 "主要成就：": "两届台湾金曲奖最佳国语男歌手获得十五座金曲奖（获奖最多）连续7年获得IFPI香港唱片销量大奖十大销量国语唱片",                 "出生地：": "台湾新北",                 "毕业院校：": "淡江中学",                 "英文名：": "Jay Chou",                 "民族：": "汉族",                 "血型：": "O",                 "职业：": "歌手、音乐人、制作人、导演、商人",                 "星座：": "魔羯座",                 "国籍：": "中国",                 "代表作品：": "龙卷风、简单爱、七里香、夜曲、青花瓷、稻香、头文字D、不能说的秘密、逆战、青蜂侠、天台",                 "中文名：": "周杰伦",                  "别名：": "周董"         },          "openType：": ["艺人"],           "infoName：": "周杰伦"  }

二、什么是RDF格式
资源描述框架 (RDF) 是描述网络中资源的 W3C 标准。
RDF 是一个框架，用来描述网络资源，诸如网页的标题、作者、修改日期、内容以及版权信息等。
具体可参考W3Cschool RDF 教程
举例：

<?xml version="1.0" encoding="UTF-8"?><rdf:RDF   xmlns:ns1="http://baike.com/resource/"   xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">  <rdf:Description rdf:about="http://baike.com/resource/周杰伦">    <ns1:代表作品 rdf:resource="http://baike.com/resource/不能说的秘密"/>  </rdf:Description></rdf:RDF>

三、读json文件

# -*- coding: utf-8 -*-import jsonf = open('data.json', 'r')for line in f:    print line

结果：
这里写图片描述

四、存RDF文件
这里使用的是Python的一个库：RDFlib
安装使用参考：RDFLib/rdflib · GitHub

# -*- coding: utf-8 -*-import rdflibg = rdflib.Graph()s = rdflib.URIRef('http://baike.com/resource/周杰伦')p = rdflib.URIRef('http://baike.com/resource/代表作品')o = rdflib.URIRef('http://baike.com/resource/不能说的秘密')g.add((s, p, o))g.serialize('hello.rdf')  # 默认以'xml'格式存储

结果：
这里写图片描述

五、json转RDF
最后这里是将上一篇《利用scrapy框架爬取互动百科的词条–存成json》存的json文件保存为RDF文件作为知识库保存起来

# -*- coding: utf-8 -*-import jsonimport reimport rdflibf = open('data.json', 'r')g1 = rdflib.Graph()cnt = 0for line in f:    #txt = eval("{" + line + "}")    txt = eval(line)    cnt = cnt + 1    print cnt    try:        s = rdflib.URIRef('http://baike.com/resource/' + txt['infoName'])        p = rdflib.URIRef('http://baike.com/resource/开放分类')        opentype = re.split(r',', txt['openType'])        for i in range(len(opentype) - 1):            o = rdflib.URIRef('http://baike.com/resource/' + opentype[i])            g1.add((s, p, o))        o = rdflib.URIRef('http://baike.com/resource/' +                          opentype[len(opentype) - 1])        g1.add((s, p, o))        # g1.serialize('da.rdf')        if len(txt['infoBox']) != 0:            box = re.split(r',', txt['infoBox'])            for num in range(len(box) - 1):                lastbox = re.split(r':', box[num])                print len(lastbox)                if len(lastbox) == 2:                    print lastbox[0]                    print lastbox[1]                    try:                        rtxt = re.compile(                            r'"| |　|    |:|：|、|。|\(|\)|（|）|℃|}|{')                        lastKey = rtxt.sub('', lastbox[0])                        p = rdflib.URIRef(                            'http://baike.com/resource/' + lastKey)                        rtxt = re.compile(r'"| |\&gt|}|{')                        lastTest = rtxt.sub('', lastbox[1])                        lastTestChild = re.split(                            r'、|，|；|;|,|\|', lastTest)                        for i in range(len(lastTestChild) - 1):                            o = rdflib.URIRef(                                'http://baike.com/resource/' + lastTestChild[i])                            g1.add((s, p, o))                        o = rdflib.URIRef(                            'http://baike.com/resource/' + lastTestChild[len(lastTestChild) - 1])                        g1.add((s, p, o))                        # g1.serialize('da.rdf')                    except:                        pass    except Exception as e:        passg1.serialize('data.rdf')# print box[num]f.close()

测试数据与程序：点击下载

0 0