SPARQL直接查询与子查询结果不一致问题咨询

单独执行以下SPARQL查询时，符合预期仅返回1条结果：

SELECT DISTINCT ?city ?country WHERE {
  FILTER (?city = wd:Q1748) .

  # Primary country
  ?city p:P17 ?c .
  ?c ps:P17 ?country ;
     wikibase:rank ?rank .
  FILTER NOT EXISTS { ?c pq:P582 [] . } # Existing countries only
  FILTER NOT EXISTS {
    ?city p:P17 [ wikibase:rank ?rank2 ] .
    FILTER (?rank2 = wikibase:PreferredRank && ?rank != wikibase:PreferredRank) .
  }
  FILTER (?rank != wikibase:DeprecatedRank) .
}

但将该查询作为子查询嵌套在外层SELECT *查询中时，却返回2条结果：

SELECT * WHERE {
  {
    SELECT DISTINCT ?city ?country WHERE {
      FILTER (?city = wd:Q1748) .

      # Primary country
      ?city p:P17 ?c .
      ?c ps:P17 ?country ;
         wikibase:rank ?rank .
      FILTER NOT EXISTS { ?c pq:P582 [] . } # Existing countries only
      FILTER NOT EXISTS {
        ?city p:P17 [ wikibase:rank ?rank2 ] .
        FILTER (?rank2 = wikibase:PreferredRank && ?rank != wikibase:PreferredRank) .
      }
      FILTER (?rank != wikibase:DeprecatedRank) .
    }
  }
}

原因分析 #

核心问题出在子查询的变量绑定和SELECT列表的不匹配：

• 子查询里用到了?rank变量进行过滤，但没有把它包含在SELECT DISTINCT的字段列表中。子查询的DISTINCT只会对?city和?country的组合去重，所以返回1条结果。
• 但SPARQL子查询在执行时，内部所有被绑定的变量（包括?rank）其实都会被保留在结果集中，只是子查询的输出只展示了?city和?country。当外层用SELECT *时，会把子查询结果集中所有存在的变量（包括?rank）都返回。
• 实际场景中，子查询内部可能存在两条记录：?city和?country完全相同，但?rank的值不同（比如一个是wikibase:PreferredRank，一个是wikibase:NormalRank）。子查询因为只去重?city和?country，所以输出1条；但外层查询会把这两条带不同?rank的记录都输出，最终得到2条结果。

解决办法 #

有两种方式可以让外层查询结果和子查询一致：

• 把子查询的SELECT DISTINCT改为SELECT DISTINCT ?city ?country ?rank，让?rank也参与去重，此时子查询返回的结果数量就是最终结果数量。
• 外层查询不要用SELECT *，而是明确指定需要的字段：SELECT ?city ?country，这样只会输出子查询中指定的字段，自动忽略?rank的差异。

内容的提问来源于stack exchange，提问作者Bjørn RL