如何在SPARQL查询中筛选变量取值属于指定值列表的结果

你遇到的报错是两个原因共同导致的：

• 你使用的rdflib版本对SPARQL语法的兼容性有限，要求VALUES子句必须放在WHERE代码块的最开头，不能放在三元组匹配语句之后
• 你直接拼接的IMDb ID没有按照SPARQL语法要求添加包裹符：如果?movie是URI类型资源需要加尖括号<>，如果是字符串字面量需要加双引号""，裸字符串不符合语法规则

步骤1：正确格式化ID列表 #

根据你的?movie实际类型调整ID的包裹格式，示例如下：

# 如果?movie是URI类型，比如值为<https://imdb.com/title/tt123456>
our_movies = ' '.join([f'<{mid}>' for mid in unique_movies.index])

# 如果?movie是字符串字面量，比如值为"tt123456"
# our_movies = ' '.join([f'"{mid}"' for mid in unique_movies.index])

步骤2：调整SPARQL语句结构 #

把VALUES子句移到WHERE块的最前面，修改后完整代码如下：

all_actors = rdf.query(
    """ SELECT DISTINCT ?actor
        WHERE {
            VALUES ?movie { """ + our_movies + """ }
            ?movie pred:hasActor ?actor .
        } 
        GROUP BY ?actor 
        HAVING (COUNT(?movie) >= """ + str(LEAST_MOVIES) + ')',
    initNs={'pred': ns_predicates})

补充：这里SELECT DISTINCT可以删除，因为GROUP BY ?actor已经保证返回的演员值唯一，不影响最终结果。

• 200个ID完全可以直接拼接进查询语句，SPARQL的VALUES子句支持数百个枚举值，性能不会有明显问题，不需要额外的实现方案。
• 如果担心字符串拼接导致的语法问题或注入风险，可以使用rdflib的参数化预处理查询（PreparedQuery）来传入值列表，写法更规范安全。

内容的提问来源于stack exchange，提问作者Michael