基于Apache Jena将TSV转RDF的Java代码改造咨询

嘿，我来帮你把这段CSV转RDF的代码改成适配TSV文件的版本。核心差异就是分隔符——CSV用逗号，TSV用制表符（\t），我们只需要调整Jena的转换配置，再做一些小优化就行。下面是具体的修改点和完整的修改后代码：

核心修改：指定TSV分隔符 #

原代码默认用逗号处理CSV，我们需要在初始化Jena的CSV转换引擎后，明确设置分隔符为制表符。修改这部分代码：

// 初始化CSV转换引擎
CSV2RDF.init();
// 关键：设置字段分隔符为制表符（TSV的标准分隔符）
CSV2RDF.getConfig().setFieldSeparator('\t');
// 基于TSV文件创建Graph
GraphCSV newGraph = new GraphCSV(inputFilename);

优化硬编码的临时文件路径 #

原代码里的临时文件路径是固定的Windows路径，改成动态生成临时文件更跨平台，也更灵活：

// 替换硬编码路径，用系统临时目录生成临时文件
File tempFile = File.createTempFile("tsv2rdf_temp", ".nt");
// 可选：程序结束后自动删除临时文件
tempFile.deleteOnExit();

可选优化：简化主体类型添加逻辑 #

原代码用SPARQL查询获取所有主体，其实可以直接用Jena Model的listSubjects()方法，效率更高：

Model m2 = ModelFactory.createDefaultModel();
// 遍历模型中所有主体，添加rdf:type声明
for (Resource subject : model.listSubjects().toList()) {
    Statement stmt = ResourceFactory.createStatement(
        subject, 
        RDF.type, 
        ResourceFactory.createResource(file)
    );
    m2.add(stmt);
}

完整修改后的代码 #

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.io.PrintWriter;
import org.apache.commons.io.FileUtils;
import org.apache.jena.graph.GraphCSV;
import org.apache.jena.propertytable.lang.CSV2RDF;
import org.apache.jena.rdf.model.Model;
import org.apache.jena.rdf.model.ModelFactory;
import org.apache.jena.rdf.model.Resource;
import org.apache.jena.rdf.model.ResourceFactory;
import org.apache.jena.rdf.model.Statement;
import org.apache.jena.vocabulary.RDF;

public static void convertTSVToRDF(String file, String inputFilename, String outputFilename, String outputType) {
    // 初始化TSV转换引擎，设置分隔符为制表符
    CSV2RDF.init();
    CSV2RDF.getConfig().setFieldSeparator('\t');
    GraphCSV newGraph = new GraphCSV(inputFilename);
    Model model = ModelFactory.createModelForGraph(newGraph);

    // 为每个实例添加rdf:type声明（优化后的逻辑）
    Model m2 = ModelFactory.createDefaultModel();
    for (Resource subject : model.listSubjects().toList()) {
        Statement stmt = ResourceFactory.createStatement(
            subject, 
            RDF.type, 
            ResourceFactory.createResource(file)
        );
        m2.add(stmt);
    }

    // 合并原始模型和类型声明模型
    Model m3 = ModelFactory.createUnion(model, m2);

    // 序列化RDF到输出文件
    try (FileWriter out = new FileWriter(outputFilename)) {
        m3.write(out, outputType);
    } catch (Exception e) {
        System.out.println("Error in file output process!");
        e.printStackTrace();
    }

    // 删除包含"row"谓词的三元组
    File output = new File(outputFilename);
    try {
        File tempFile = File.createTempFile("tsv2rdf_temp", ".nt");
        tempFile.deleteOnExit();
        
        try (BufferedReader reader = new BufferedReader(new FileReader(output));
             BufferedWriter writer = new BufferedWriter(new FileWriter(tempFile))) {
            
            String currentLine;
            while ((currentLine = reader.readLine()) != null) {
                if (currentLine.contains("http://w3c/future-csv-vocab/row")) {
                    continue;
                }
                writer.write(currentLine);
                writer.newLine();
            }
        }

        // 覆盖原输出文件
        PrintWriter printer = new PrintWriter(output);
        printer.print("");
        printer.close();
        FileUtils.copyFile(tempFile, output);
    } catch (IOException e) {
        e.printStackTrace();
    }
}

注意事项 #

• 确保你的Apache Jena版本支持CSV2RDF.getConfig()方法（Jena 3.x及以上版本通常都支持）。
• TSV文件要符合标准格式：字段用制表符分隔，字符串如果包含制表符或换行需要用引号包裹。
• 如果你需要保留原方法名convertCSVToRDF，只需要替换内部逻辑即可，不用改方法名。

内容的提问来源于stack exchange，提问作者Christy Nakou