有效存储三元组

Question

我有一个 Tera Byte 大文件。我想将它从nt转换为n3。这样做的原因是，我有一个大文件，由于附加的命名空间而占用了大量空间：

# <1>
<file:///home//uniprot/uniprot.rdf>    <http://www.w3.org/2002/07/owl#imports> <http://purl.uniprot.org/core/> .
# <2>
<http://purl.uniprot.org/uniprot/Q6GZX4> <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://purl.uniprot.org/core/Protein> .
# <3>
<http://purl.uniprot.org/uniprot/Q6GZX4> <http://purl.uniprot.org/core/reviewed> "true"^^<http://www.w3.org/2001/XMLSchema#boolean> .

现在我想以压缩形式有效地存储这个文件：

@fileuniprot: <file:///home//uniprot/>.
@owl: <http://www.w3.org/2002/07/owl#>.
@purlUniprot: <http://purl.uniprot.org/>.
@rdfs: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
@xsd: <http://www.w3.org/2001/XMLSchema#>.
@xsd: 
# <1>
fileuniprot:uniprot.rdf    owl:imports purlUniprot:core .
# <2>
purlUniprot:uniprot/Q6GZX4 rdfs:type purlUniprot:core/Protein .
# <3>
purlUniprot:Q6GZX4 purlUniprot:core/reviewed "true"^^ xsd:boolean .

即我不希望命名空间附加相应的三元组。虽然我想保留cmets。有没有可能这样做。如果是，那么有人可以建议一个有效的工具来做同样的事情。

如果我能在 python 或 java 中找到一些适用于 linux 的工具，那就太好了？ 以上都是手动完成的，如果能自动转换就好了。

Answer 1

您可能需要考虑hdt 以获得非常好的压缩效果。 您可以将 uniprot 文件改回使用 gzip 压缩的 rdf/xml，并将大小减少至少 25 倍。（bzip2 将给出 30）我建议使用 pbzip2 以获得最佳效果。

如果您确实想使用海龟语法进行某些压缩，则使用来自sesame RIO、jena RIOT 的现有代码或来自librdf 的说唱歌手

问题是您为什么要以 nt 开头的文件？

您实际考虑使用的文件格式称为turtle。 N3 是海龟加规则，这个规则部分实际上并没有在 UniProt 数据集中使用，并且不属于 RDF/triples。

rapper -i ntriples -o turtle ~/uniprot.nt  > ~/uniprot.ttl

忘记 N3 阅读海龟吧。