[JAVA] Notiz zum Parsen des RDF / XML-Datenmodells durch den SAX-Parser

Beachten Sie, dass es schwierig war, den SAX-Parser für RDF / XML (Implementierung des Ereignishandlers) zu implementieren. Es ist schwer, also benutze die Bibliothek so oft wie möglich. Ich denke, ich kann die meisten Dinge mit rdf4j machen.

Da es in Zukunft ein Memo für mich ist (wenn ich verschiedene Dinge vergesse), ist es ein Intro, das Impressionen enthält. Der eigentliche Quellcode ist nicht aufgeführt. Als Hinweis beim erneuten Implementieren oder Entschlüsseln der Implementierung.

Intro

Was ist RDF?

https://ja.wikipedia.org/wiki/Resource_Description_Framework

--Datenstruktur, dargestellt durch einen gerichteten Graphen.

• Die gerichtete Seite selbst heißt Prädikat, der Startpunkt der Seite heißt Subjekt und der Endpunkt heißt Objekt.
• Stellen Sie das Diagramm in Form einer Reihe von Seiten als Paar von <Subjekt, Prädikat, Objekt> dar
• Die Scheitelpunkte sind "Knotenelemente" (obwohl der Name verwirrend ist, werden in diesem Artikel die Knoten in der Graphentheorie als "Scheitelpunkte" bezeichnet. Was als "Knoten" bezeichnet wird, bezieht sich auf "Knotenelemente"). Es gibt ein "Eigenschaftselement".
• Subjekt ist immer ein Knotenelement --Object kann ein Knotenelement oder ein Eigenschaftselement sein
• Daher werden die Daten als eine Menge von "(Knotenelement) × (Bogen) × (Knotenelement oder Eigenschaftselement)" dargestellt.
• Das Knotenelement hat eine ID
• Die ID des Knotenelements kann explizit angegeben werden oder nicht, und letzterer ist ein leerer Knoten (allgemeine Übersetzung: leerer Knoten. "Unbenannter Knoten" ist für Java-Programmierer leichter zu verstehen. Wird genannt)

RDF/XML

• Eine Menge der oben genannten "(Knotenelement) × (Bogen) × (Knotenelement oder Eigenschaftselement)", ausgedrückt in XML.
• Grundsätzlich dargestellt durch die folgenden zwei

Objekt ist ein Knotenelement.xml

<rdf:Description rdf:about="Betreff-Knoten-ID">
  <Predicate>
    <rdf:Description rdf:about="Objektknoten-ID">
    </rdf:Description>
  </Predicate>
</rdf:Description>

Objekt ist ein Eigenschaftselement.xml

<rdf:Description rdf:about="Betreff-Knoten-ID">
  <Predicate>
Objekteigenschaftswert
  </Predicate>
</rdf:Description>

――Es gibt jedoch viele Abkürzungsregeln und es ist schwierig zu analysieren.

• (Vielleicht scheint es, dass verschiedene Auslassungen vorgenommen werden können, um das RDF-Modell auszugeben, so dass es für Menschen leicht zu sehen ist, und die Stufe zum Schreiben eines Parsers für das Parsen des Computers ist niedrig. Es sieht aus wie eine Spezifikation, die für den Programmierer nicht freundlich ist. * Impressionen eines Low-Level-Programmierers)

Probleme beim Umgang mit Programmen

• Da es eine Diagrammstruktur hat, kann es nicht wie ein DOM verfolgt werden.
• Wenn Sie im Fall eines DOM-ähnlichen XML-Baums denken "Ich möchte Piyo von Fuga in Hoge sehen (Beispiel: Telefonnummer von Herrn B in Abteilung A)", wenn es sich um ein baumartiges XML handelt, Hoge / Fuga / Piyo (/ Abteilung [@ Abteilungsname = A] / Mitarbeiter [@ Name = B] / Telefonnummer / Text ()) Sie können so etwas bekommen, aber es wird nicht als XML strukturiert. Es ist notwendig, einen Prozess wie das Abrufen der ID von Hoge ⇒ der ID von Fuga und das Abrufen des Werts der ID von Fuga ⇒ Piyo durchzuführen. Wenn die Datenmenge groß ist, scannt es immer alle und ist langsam, es sei denn, Sie erstellen einen Index (entweder einen Sortierbaum oder eine Hash-Tabelle) mit der ID des Knotenelements, damit es durchsucht werden kann.
• Auch wenn sie nicht als XML äquivalent sind, können sie als RDF äquivalent sein (Struktur ausgedrückt) ――Es ist schwierig, weil es viele Abkürzungen gibt

Daher ist es unpraktisch, XML so zu verwenden, wie es ist, und es ist erforderlich, es in Form einer Menge von "(Knotenelement) × (Bogen) × (Knotenelement oder Eigenschaftselement)" neu zu schreiben.

Punkte beim Schreiben mit SAX-Parser

Deshalb habe ich es von Anfang an mit dem SAX-Parser gelesen und den bestätigten Wert von "(Knotenelement) × (Bogen) × (Knotenelement oder Eigenschaftselement)" nach außen (Datei oder DB) geschrieben. Die Punkte für die Implementierung des SAX-Parsers (Ereignishandlers) lauten wie folgt.

• Es ist notwendig, dem Parser einen Status zu geben und den Status entsprechend dem Modus zu ändern.
  • rdf:parseType="Collection", rdf:parseType="Literal", rdf:parseType="Resource" --2 Muster, sofern nicht anders angegeben
• ↑ Im letzteren Fall gibt es zwei Muster, wenn sie nicht angegeben sind: wenn das Subjekt gelesen wurde (analysiert das nächste Element als Prädikat) und wenn das Prädikat gelesen wurde (das nächste Element ist Objekt). Zustände nach Knotenelement oder Eigenschaftselement trennen).

Es gibt {Root-, S1-, S2-, Collection-, Resource-, Literal-} Zustände (S1 wurde nicht als Prädikat analysiert, S2 wurde als Prädikat analysiert), und der Zustand ändert sich jedes Mal, wenn das Element geöffnet wird. Der aktuelle Status wird für jeden Statusübergang auf den Stapel geladen. Wenn das Element geschlossen ist, springt es vom Stapel und kehrt zurück. Der Zustandsübergang beim Öffnen des Elements ist wie folgt.

Root  （+Beliebiges Element)|-> S1
S1 （+ rdf:parseType="Collection|Resource|Literal"Element)|-> Collection|Resource|Literal 
S1 （+ rdf:Ressource einschließen=Element des Knotenelements)|-> S1
S1 （+ rdf:Elemente, die keine Ressourcen enthalten)|-> S2
S2 （+Beliebiges Element)|-> S1
Resource （+ rdf:parseType="Collection|Resource|Literal"Element)|-> Collection|Resource|Literal 
Resource （+ rdf:Ressource einschließen=Element des Knotenelements)|-> S1
Resource （+ rdf:Elemente, die keine Ressourcen enthalten)|-> S2
Collection （+Beliebiges Element)|-> S2

Wird sein.

Wenn Sie danach den zu lesenden Satz (Betreff oder Betreff × Prädikat) und den obigen Status auf den Stapel legen und ihn beim Drücken oder Knallen lesen, können Sie ihn mit SAX richtig analysieren.