如何通过SPARQL获取指定Wikidata实体的全量属性及各类值

• 需求：从指定Wikidata实体ID（例如Q39659506）出发，获取对应实体的全部属性列表，最终可直接整理为结构化的Pandas DataFrame，替代请求量大、预处理繁琐的原生API调用、遍历速度慢的第三方Python库方案。
• 待解决问题：现有SPARQL仅能返回值为实体类型的属性，无法获取数值、日期等字面量类型的属性值，也未覆盖数值类值对应的单位信息。
• 原有代码缺陷：强制要求所有属性值必须携带rdfs:label和schema:description字段，直接过滤掉了无实体页面对应的字面量类型值（数字、日期、普通字符串等）。

核心调整点：

• 采用Wikidata官方推荐的属性取值路径，自动取最佳排名的属性值，避免返回已被标记为废弃的重复值
• 用OPTIONAL关键字包裹实体值专属的标签、描述查询，不会误过滤字面量值
• 单独适配数值类型值的单位提取逻辑，同时返回单位标识和单位名称
• 统一返回结构化字段，查询结果可直接转换为Pandas DataFrame，无需额外复杂预处理

PREFIX wd: <http://www.wikidata.org/entity/>
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
PREFIX p: <http://www.wikidata.org/prop/>
PREFIX ps: <http://www.wikidata.org/prop/statement/>
PREFIX psv: <http://www.wikidata.org/prop/statement/value/>
PREFIX wikibase: <http://wikiba.se/ontology#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX schema: <http://schema.org/>

SELECT ?propUrl ?propLabel ?valUrl ?valContent ?valDesc ?unitUrl ?unitLabel
WHERE {
  # 指定目标实体，替换下方Q39659506即可查询其他实体
  wd:Q39659506 ?p ?statement .
  # 仅保留正式业务属性，过滤元数据、反向属性
  FILTER(STRSTARTS(STR(?p), STR(p:)))
  ?property wikibase:claim ?p ;
            wikibase:statementProperty ?ps ;
            rdfs:label ?propLabel .
  # 构造属性直接访问URL
  BIND(STRAFTER(STR(?property), STR(wd:)) AS ?propId)
  BIND(IRI(CONCAT(STR(wdt:), ?propId)) AS ?propUrl)
  
  # 仅取最佳排名的有效值，排除已废弃的重复值
  ?statement ?ps ?valContentRaw ;
             wikibase:rank wikibase:BestRank .

  # 处理实体类型值
  OPTIONAL {
    BIND(?valContentRaw AS ?valUrl)
    ?valUrl rdfs:label ?valEntityLabel .
    OPTIONAL { ?valUrl schema:description ?valDescRaw . }
    BIND(?valEntityLabel AS ?valContent)
  }
  # 处理字面量类型值（数值、日期、字符串）
  OPTIONAL {
    FILTER(!isIRI(?valContentRaw))
    BIND(?valContentRaw AS ?valContent)
  }

  # 提取数值类型值关联的单位
  OPTIONAL {
    ?statement psv:?ps ?valStruct .
    ?valStruct wikibase:unit ?unitUrl .
    FILTER(?unitUrl != wd:Q199) # 过滤无单位的默认标记
    ?unitUrl rdfs:label ?unitLabelRaw .
    FILTER(lang(?unitLabelRaw) = 'en')
    BIND(?unitLabelRaw AS ?unitLabel)
  }

  # 统一限定标签语言为英文
  FILTER(lang(?propLabel) = 'en')
  FILTER(!BOUND(?valEntityLabel) || lang(?valEntityLabel) = 'en')
  FILTER(!BOUND(?valDescRaw) || lang(?valDescRaw) = 'en')
}

• propUrl：属性的唯一标识URL
• propLabel：属性的英文名称
• valUrl：若属性值为Wikidata实体，返回实体URL；字面量类型值该字段为空
• valContent：统一的属性值内容，实体类型值返回实体英文名称，字面量直接返回数值、日期或字符串内容
• valDesc：若属性值为Wikidata实体，返回实体的英文描述；其他类型值该字段为空
• unitUrl：若属性值为带单位的数值类型，返回单位实体URL；其他类型值该字段为空
• unitLabel：若属性值为带单位的数值类型，返回单位的英文名称；其他类型值该字段为空

查询时可直接通过Python的SPARQLWrapper库请求Wikidata SPARQL端点，返回的结果可直接传入pd.DataFrame()构造表格，不需要额外做复杂的字段拆解预处理，查询效率远高于逐属性遍历的API调用、第三方库方案。

内容的提问来源于stack exchange，提问作者Arctic