如何在Wikidata获取特定类别属性？解决SPARQL查询超时问题

嘿，我来帮你搞定这些Wikidata相关的问题，都是实操性很强的点，咱们一个个拆解：

1. 如何仅获取Wikidata中特定类别的所有属性？ #

要获取特定类别（比如人物Q5）的属性，主要分两种场景，你可以按需选择：

• 场景一：属性定义上明确属于该类别：这类属性的「定义域（P2302）」直接指向目标类别，是官方声明适用于该类的属性。
• 场景二：该类别实例实际使用的属性：也就是真实存在的该类条目（比如具体的人物）身上用到的属性，包含一些非官方但常用的属性。

两种场景都可以用SPARQL实现，下面会结合第二个问题给出具体查询。

2. 用RDF/结构化格式获取类别属性+SPARQL查询方法 #

当然有！Wikidata支持通过SPARQL查询直接输出RDF、JSON、CSV等结构化格式，比手动爬表格方便多了。下面给你两个实用的查询，直接在query.wikidata.org上就能跑：

方法一：查询官方声明适用于Q5的属性（定义域关联） #

这个查询会返回所有明确声明“适用于人物”的属性，结果更精准：

SELECT ?p ?pLabel ?pDescription
WHERE {
  ?p wdt:P2302 wd:Q5.  # P2302是“定义域”属性，指向Q5（人物）
  SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
}
ORDER BY ?pLabel

方法二：查询Q5实例实际使用的高频属性 #

如果想知道真实人物条目里常用的属性（比如一些没有官方声明但广泛使用的），可以用聚合统计：

SELECT ?p ?pLabel (COUNT(DISTINCT ?q) AS ?count)
WHERE {
  ?q wdt:P31 wd:Q5.  # ?q是人物实例
  ?q ?p [] .          # 匹配?q用到的所有属性
  FILTER(STRSTARTS(STR(?p), "http://www.wikidata.org/prop/direct/"))  # 只保留直接属性（wdt:前缀）
  SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
}
GROUP BY ?p ?pLabel
ORDER BY DESC(?count)
LIMIT 100  # 限制结果数量，避免超时

执行步骤：

1. 打开query.wikidata.org
2. 把上面的查询粘贴到输入框
3. 点击「Run」按钮，就能看到结果
4. 页面顶部的「Download」按钮可以选择导出RDF、JSON、CSV等格式，满足程序化需求

3. 替代Summary Table的程序化访问方案 #

你提到的Summary Table是人工整理的，程序化访问肯定用SPARQL输出结构化数据更靠谱。上面的两个查询已经能输出属性ID、标签、描述（或使用次数），完全可以替代表格内容。

如果需要更完整的属性信息（比如属性的数据类型、值域），可以扩展查询：

SELECT ?p ?pLabel ?pDescription ?dataType ?dataTypeLabel
WHERE {
  ?p wdt:P2302 wd:Q5.
  ?p wdt:P31 ?dataType.  # P31是“实例类型”，这里获取属性的数据类型（比如字符串、日期）
  SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
}
ORDER BY ?pLabel

导出JSON格式后，用任何编程语言（Python、JavaScript等）都能轻松解析，比爬HTML表格高效太多。

4. 解决原SPARQL查询超时问题 #

你的原查询SELECT ?p ?attName WHERE { ?q wdt:P31 wd:Q5. ...}超时，核心原因是遍历了所有Q5实例（几百万条数据），计算量太大。给你几个优化方案：

方案一：改用基于属性定义域的查询（推荐） #

直接查询属性的定义域关联，不用遍历任何实例，速度极快，就是上面第一个查询的思路，完全避免负载问题。

方案二：优化实例遍历查询 #

如果必须要统计实际使用的属性，就得减少计算量：

• 加LIMIT限制实例数量，比如只抽样10000个实例：

  SELECT ?p ?pLabel (COUNT(DISTINCT ?q) AS ?count)
  WHERE {
    ?q wdt:P31 wd:Q5.
    ?q ?p [] .
    FILTER(STRSTARTS(STR(?p), "http://www.wikidata.org/prop/direct/"))
    SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
  }
  GROUP BY ?p ?pLabel
  ORDER BY DESC(?count)
  LIMIT 100
  OFFSET 0
  

• 过滤掉低频属性，比如只保留使用次数超过1000的：

  SELECT ?p ?pLabel ?count
  WHERE {
    {
      SELECT ?p (COUNT(DISTINCT ?q) AS ?count)
      WHERE {
        ?q wdt:P31 wd:Q5.
        ?q ?p [] .
        FILTER(STRSTARTS(STR(?p), "http://www.wikidata.org/prop/direct/"))
      }
      GROUP BY ?p
      HAVING (?count > 1000)
    }
    SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
  }
  ORDER BY DESC(?count)
  

方案三：使用Wikidata的预统计数据 #

Wikidata有专门的属性使用统计数据集，你可以直接查询这些预聚合的数据，不用实时计算，速度更快。比如用wikibase:propertyUsage服务：

SELECT ?p ?pLabel ?usage
WHERE {
  ?p wikibase:propertyUsage ?usage.
  ?p wdt:P2302 wd:Q5.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "zh,en". }
}
ORDER BY DESC(?usage)

内容的提问来源于stack exchange，提问作者William