如何判断/过滤rdflib Literal数据类型？筛选xsd:anyURI类型对象

要实现只保留对象o数据类型为xsd:anyURI的三元组，你可以通过以下两种方式完成：

方式一：遍历三元组时直接判断 #

from rdflib import Graph, URIRef, XSD

graph = Graph()
ttl_input = "dir/file.ttl"
graph.parse(ttl_input, format='ttl')

# 筛选对象为xsd:anyURI类型的三元组
for s, p, o in graph:
    # 覆盖两种情况：本身是URI引用，或显式标注了xsd:anyURI类型的字面量
    if isinstance(o, URIRef) or (hasattr(o, 'datatype') and o.datatype == XSD.anyURI):
        print(f"{s} {p} {o}")

方式二：使用SPARQL查询（大数量场景更高效） #

如果你的RDF图数据量较大，用SPARQL查询的执行效率会更高：

from rdflib import Graph

graph = Graph()
ttl_input = "dir/file.ttl"
graph.parse(ttl_input, format='ttl')

# 编写SPARQL查询语句筛选目标三元组
query = """
SELECT ?s ?p ?o
WHERE {
    ?s ?p ?o .
    FILTER (datatype(?o) = xsd:anyURI || isURI(?o))
}
"""

for row in graph.query(query):
    print(f"{row.s} {row.p} {row.o}")

关键说明 #

• URIRef类型的对象本身就属于xsd:anyURI的范畴，所以优先判断实例类型
• 部分数据会显式给字面量标注xsd:anyURI类型，这时候需要检查对象的datatype属性
• SPARQL语句中的isURI(?o)匹配所有URI引用，datatype(?o) = xsd:anyURI匹配显式标注类型的字面量，两者结合能覆盖所有符合要求的情况

内容的提问来源于stack exchange，提问作者Mark Miller