我有一个文件.ttl形式。 它有4个属性/列含有四倍以下形式的：
(id, student_name, student_address, student_phoneno) (id, faculty_name, faculty_address, faculty_phoneno) 我知道如何解析.n3形式RDFLib三倍;
from rdflib import Graph
g = Graph()
g.parse("demo.nt", format="nt")
但我不知道对如何分析这些四倍。
我的目的是分析和提取所有属于一个特定的ID信息。 该ID可以是相同的无论是学生和教师。
如何使用RDFLib处理这些四倍，并使用它基于聚集id ？
例如，从片断.ttl文件：
#@ <id1>
<Alice> <USA> <12345>
#@ <id1>
<Jane> <France> <78900>
龟的一个子集Notation 3的语法，从而rdflib应该能够使用解析它format='n3' 。 检查是否rdflib保留意见（ id s的在评论（指定#...您的样品中））。 如果不是，如图所示在你的榜样，那么你可以手动解析它的输入格式很简单：
import re
from collections import namedtuple
from itertools import takewhile
Entry = namedtuple('Entry', 'id name address phone')
def get_entries(path):
with open(path) as file:
# an entry starts with `#@` line and ends with a blank line
for line in file:
if line.startswith('#@'):
buf = [line]
buf.extend(takewhile(str.strip, file)) # read until blank line
yield Entry(*re.findall(r'<([^>]+)>', ''.join(buf)))
print("\n".join(map(str, get_entries('example.ttl'))))
输出：
Entry(id='id1', name='Alice', address='USA', phone='12345')
Entry(id='id1', name='Jane', address='France', phone='78900')
为了条目保存到数据库：
import sqlite3
with sqlite3.connect('example.db') as conn:
conn.execute('''CREATE TABLE IF NOT EXISTS entries
(id text, name text, address text, phone text)''')
conn.executemany('INSERT INTO entries VALUES (?,?,?,?)',
get_entries('example.ttl'))
要通过ID组，如果你需要在Python一些后处理：
import sqlite3
from itertools import groupby
from operator import itemgetter
with sqlite3.connect('example.db') as c:
rows = c.execute('SELECT * FROM entries ORDER BY id LIMIT ?', (10,))
for id, group in groupby(rows, key=itemgetter(0)):
print("%s:\n\t%s" % (id, "\n\t".join(map(str, group))))
输出：
id1:
('id1', 'Alice', 'USA', '12345')
('id1', 'Jane', 'France', '78900')
似乎目前还没有这样的库现在来解析龟-简洁RDF三元语言
正如你已经知道的语法，你最好的办法是使用PyParsing首先创建一个语法，然后分析该文件。
我还建议，以适应下面的EBNF实现您的需求，
你可以做蛇和咖啡建议，仅在包装与产量语句一个循环函数（或它的代码）。 这将创建一个生成器，它可以反复被要求即时创建下一行的类型的字典。 假设你要写下这些为csv，例如，使用蛇parse_to_dict：
import re
import csv
writer = csv.DictWriter(open(outfile, "wb"), fieldnames=["id", "name", "address", "phone"])
# or whatever
您可以创建一个生成的函数或内嵌的理解：
def dict_generator(lines):
for line in lines:
yield parse_to_dict(line)
- 要么 -
dict_generator = (parse_to_dict(line) for line in lines)
这是几乎等同的。 此时你可以通过调用得到的字典解析的线dict_generator.next()你会神奇地得到一个在涉及到时间没有额外的RAM抖动。
如果你有原始数据的16场演唱会，你可能会考虑发电机拉的线，太。 他们是真正有用的。
：从SO发电机和某些文档更多信息，你可以使用哪些Python的发电机功能？ http://wiki.python.org/moin/Generators
